乐享网韩国经典电影-贴吧
陈迪加出生之后，陈秀珠就渐渐隐退了娱乐圈很少出现在大众视线中。
2024年12月20日，晚餐小技巧
乐享网韩国经典电影-贴吧
生成式 AI 入门难速来解锁这份生成式 AI 词汇表（上篇）2023-09-10 12:00·亚马逊云科技近年来生成式 AI 如雨后春笋般迅速兴起很多开发者对其中涉及的新兴技术概念还并不熟悉然而对于在 AI 和机器学习行业工作的开发者来说他们一直都处于学习的状态（无论是开发者本人还是模型）因此有能够帮助开发者学习并吸收新概念的学习技巧是非常重要的想要了解生成式 AI 的相关概念和基础知识这次不要错失学习良机来往这看无论你是不是有 AI/机器学习背景的构建者接下来跟随我们的脚步解锁由亚马逊云科技高级开发技术推广工程师Brooke Jamieson整理总结的生成式 AI 词汇表助你快速学习生成式 AI 相关知识迅速检索到详细信息赶快收藏学起来吧A 代表注意力（Attention）对于 AI 来说注意力就好比你给某处打光告诉模型什么是重要的它需要特别注意什么在 2017 年发表的论文《注意力是你所需要的一切》（Attention Is All You Need）中作者们提出了一个全新的想法：转换器（我们在下面的词汇表里也会提到）只需要通过注意力机制就可以处理序列数据并不需要传统复发的或者回旋神经网络注意力机制使得模型能够权衡不同信息的重要度这一技术在最先进的大语言模型应用中如翻译、总结、以及文本生成都有一席之地B 代表 Amazon Bedrock 服务Amazon Bedrock 是亚马逊云科技的一项全托管服务可以通过基础模型（下文会详细阐述）帮助你打造和规模化自己的 AI 应用Amazon Bedrock 降低了生成式 AI 的使用门槛并通过提供 API 接口帮助你免去管理基础架构的麻烦你可以把精力集中在为客户提供服务上Bedrock 中提供了多种基础模型包括三方模型如一些 AI 行业新崛起的公司包括 AI21 Labs、Anthropic、Cohere、和 Stability AI选择一个基础模型后你可以利用自己的数据对模型进行定制化之后将这些模型整合部署到你通过其他亚马逊云科技的工具打造的应用中C 代表 Amazon CodeWhisperer 服务Amazon CodeWhisperer 是一个 AI 驱动的编程辅助服务CodeWhisperer 是基于几十上百亿行代码（来源包括亚马逊和开源代码）训练的大语言模型可以在你的集成开发环境（IDE）实时生成精准、安全的代码建议你可以用英文编写注释 CodeWhisperer 会实时生成片段或全函数代码建议这些都可以帮助你大大提升编码效率尤其是在接触不熟悉的 API 接口时对于我个人来说它可以让我在写代码时只看着我的 VSCode 窗口就可以了我不用再多开窗口边写边跑这样更能让我专注在自己的世界里D 代表扩散模型（Diffusion Models）扩散模型也是生成式 AI 模型的一种它们可以用来创造各种现实的图片或者其他数据扩散模型很有趣的一点就是它们的工作原理是通过预言噪声、去除噪声、从含噪声的信息源中给出一个无噪声的结果这个过程听起来可能有些拗口但是在实践中这类模型十分好用因为它们能够通过学习分辨出噪声和真正有用的数据比如物品或角色的图像E 代表嵌入（Embeddings）理解不同概念在上下文中是怎样关联的是一件很抽象的事但是这在生成式 AI 中是尤为重要的尤其是在特定使用场景下电脑和人类处理单词的方式是不同的所以你可以将数据编码成元素集一个元素集可以理解为一个向量在这种情况下一个向量包含一批数字这些数字用来在多维空间映射元素间的关系当这些向量有了意义我们称之为语义而各个向量之间的距离可以衡量它们在语境中的关系所以在这个场景下的向量被称为嵌入F 代表基础模型（Foundation Models）我最喜欢的 F 开头的单词来了——Foundation Models（基础模型）机器学习上取得的进步（如基于Transformer的神经网络架构）意味着我们现在拥有的模型中包含着几十上百亿的参数或者变量基于如此庞大的数据训练出来的模型可以满足所有任务的需求它们可以配合各种数据运用在多种场景下但可千万不要小看打造这样基础模型所需的工作量你现在使用的基础模型是已经训练好的模型你可以开箱即用也可以根据具体场景微调基础模型向全世界的开发者们敞开了怀抱为他们提供了无限的机会与潜能所以对于基础模型的使用我更喜欢站在巨人的肩膀上这种说法而Amazon Bedrock就是你通过基础模型打造生成式 AI 应用最省时省力的伙伴G 代表生成式 AI（Generative AI）生成式 AI 是深度学习的一个子集是一种可以创造出新内容和想法的人工智能比如创造出对话、故事、图像、视频、音乐等和其他类型的 AI 一样生成式 AI 也是基于机器学习模型的这里的机器学习模型指的是基于海量数据预训练的大模型也叫基础模型H 代表生成式 AI 带来的幻觉（Hallucination）生成式 AI 模型存在的一个问题就是它们有时会生成错误的内容却自信地传达给用户这就是我们说的错觉比如在大语言模型中AI 给出的回答中可能会包含用户输入的信息中不涉及的内容或者捏造了在用户输入的信息中并不存在的关联关系如果你对这个话题比较感兴趣Amazon Science 曾发表了一篇名叫与凯思琳·麦基翁的三问：论对自然语言生成中模型错觉的控制（3 questions with Kathleen McKeown: Controlling model hallucinations in natural language generation）很棒的一篇博客你可以点击下方链接了解下3 questions with Kathleen McKeown: Controlling model hallucinations in natural language generation - Amazon ScienceCloseCloseI 代表 Amazon Inferentia 和 Amazon Trainium 芯片在打造生成式 AI 时只考虑软件部分可能很容易但是硬件部分也至关重要无论你是从零打造一个基础模型或者运行或定制一个基础模型一个高性价比、高性能、以及机器学习专用的基础架构都是非常重要的亚马逊云科技在自主芯片方面投入了巨大的精力也收获了巨大的进展可以降低生成式 AI 的运行成本同时提升训练效率Amazon Inferentia 芯片帮助开发者在运行高性能的基础模型推理服务时每单位对比 Amazon EC2 实例可节省高达 40% 的成本Amazon Trainium 芯片在帮助开发者加速训练模型时对比 Amazon EC2 实例可节省高达 50% 的训练成本J 代表 Amazon SageMaker Jumpstart 服务Amazon SageMaker Jumpstart 是一个为开发者提供各种机器学习资源的平台包括预设的机器学习解决方案以及完全可定制且支持简单部署的内置算法开发者还可在组织内部分享模型和笔记降低建造和合作成本同时用户数据也能在私有云（VPC）内部得到很好的加密K 代表机器学习核方法（Kernel Methods）核方法在机器学习和人工智能领域都是很受欢迎的技术因为它们是非常适用于模式分析的算法同时它们可以将转换数据处理至一个更高的维度空间这个解释可能听起来比较不好理解所谓核是一个用来计算两个对象间相似性的数学函数核方法的关键在于对于一些初看就难以区分的数据通过相似性对这些数据进行区分或者分类反而更容易亚马逊科学（Amazon Science）上有几篇对于核的文章很有意思包括通过识别注意力机制中的核结构实现参数高效的迁移学习（Empowering parameter-efficient transfer learning by recognizing the kernel structure in attention）以及更高效的‘核方法’——大幅缩短自然语言理解系统的训练时长（More-efficient kernel methods dramatically reduce training time fornatural-language-understanding systems）感兴趣的朋友可以点击下方链接阅读相应文章《通过识别注意力机制中的核结构实现参数高效的迁移学习》Empowering parameter-efficient transfer learning by recognizing the kernel structure in attention - Amazon ScienceCloseClose《更高效的核方法——大幅缩短自然语言理解系统的训练时长》Efficient Online Learning For Mapping Kernels On Linguistic Structures - Amazon ScienceL 代表大语言模型（Large Language Models）大语言模型其实已经存在很久了只是最近才成为了主流技术被广泛关注大语言模型其实也是基础模型的一种——基于海量数据预训练可以对文本进行总结和翻译并进行词语预测换句话说它们可以生成类人表达的语句而大语言模型的闪光点在于它的语境学习能力也就是说你只需要给这类模型提供少量（甚至是不提供）优质的例子它们就可以学习并解决一类任务那么将这一点放大最大的大语言模型就算没有精准的预训练也能够解决所有种类的任务如果你对大语言模型感兴趣可以点击下方链接观看我的同事和吴恩达（ Andrew Ng ）以及 DeepLearning.AI 团队共同出品的相关课程——采用大语言模型的生成式 AI （Generative AI with Large Language Models）Generative AI with LLMs - DeepLearning.AIM 代表模型选择（Model Selection）在选择基础模型时需要注意以下几点要素：形式、任务、规模、准确性、易用度、许可、案例、以及外部基准首先你要了解这些模型处理信息的形式如语言模型、视觉模型以及它们的输入输出内容这样你可以按需选择对应形式的模型你还要根据具体场景选择模型基础数据的大小大一点的模型更能生成开放式的回答但也不是每个任务都要求模型越大越好选好一个模型并开始实验后你要从各种下游任务的角度来对这个基础模型进行评估并根据许可和外部基准来保证你的选择是正确的同时还要注意基础模型的语言和视觉能力之间的关系尤其是在多形式方案中要考虑它们对互相的影响看到这里相信你一定对生成式 AI 有了基本的了解这次就先分享到这里想要解锁完整版生成式 AI 词汇表敬请关注「亚马逊云科技」后续推送让我们共同解锁生成式 AI 价值拥抱 AI 新时代这份生成式 AI 的词汇表仅仅是用每个字母代表一个术语来触及这个领域的皮毛但实际上AI/机器学习中的技术术语数量非常庞大并且还在不断扩大尽管很多术语和概念并没有入选这份初始的清单但我很愿意听听你们的想法请在评论区留言参与我们的讨论来跟我们分享分享您认为重要的生成式 AI 术语吧让我们共同见证亚马逊的一小步云计算的一大步
但下游的乳制品消费并没能跟上。今年3月底举行的辽宁奶业纾困座谈会上透露，辽宁省2023年2月乳制品生产公司平圴每天喷粉生鲜乳达470吨，占收奶量的17%左右，比2022年12月喷粉量高13%。编辑 |南枫