什么是AIGC?分清AI技术词

目录

1.AIGC

2.About Generative AI

详细对比表格


1.AIGC

        自Open-AI发布Chat-GPT以来,国内外各大科技公司都展开了AI军备竞赛。从过去的某一天开始,我们突然发现AI可以帮助我们生成文字、图片、音频、视频等内容了,而且开始让人难以分清背后的创作者到底是AI还是human being。

        AI生成内容叫做AIGC(AI Generated Content),包括但是不限于以上提到的内容,还可以是生成的代码等等。

2.About Generative AI

        当AIGC在国内爆火的时候,国外更流行的则是Generative AI (生成式AI),二者的联系一句话就可以搞定:Generative AI 生成的内容就是 AIGC。

        在国内AIGC在不同语境表示的也不同,偶尔也会用于指代Generative AI。

那么Generative AI 与 机器学习(Machine Learning,ML)、监督学习(Supervised Learning,SL)、无监督学习(Unsupervised Learning,UL)、深度学习(Deep Learning,DL)、强化学习(Reinforcement Learning,RL)有什么联系么?

        AI:人工智能该学科创立的目的就是为了使得计算机系统模拟人类的思维解决问题。

        显式编程:通过代码明确地指定每一个操作、步骤或参数,代码的行为、意图都直接和清晰地体现出来。

        隐式编程:依赖于语言或框架的自动推断、处理和优化,很多操作和行为是由语言或工具自动完成的,而不需要显式地编写所有的细节。

特性显式编程隐式编程
控制程序员控制代码的每个细节,显式指定所有操作语言或框架自动处理很多操作,程序员只需关注高级逻辑
可预测性行为非常可预测,所有操作明确声明有时行为不太可预测,因为很多操作是自动完成的
代码简洁性可能代码较长,需要处理很多细节代码简洁,但背后有很多隐藏的复杂性
学习曲线需要深入了解所有底层细节,学习曲线较陡上手较容易,但可能缺少对底层的控制
错误排查错误通常比较直观,容易定位隐式行为可能导致错误来源不明确,调试可能较难

多种AI技术词区别:

详细对比表格

概念定义数据要求任务类型常见算法应用场景
机器学习 (ML)计算机通过数据和算法学习自动改进,不依赖显式编程规则。包括监督学习、无监督学习和强化学习等方法。有标签或无标签数据分类、回归、聚类、降维、推荐等决策树、支持向量机(SVM)、k-最近邻(KNN)、朴素贝叶斯、神经网络、集成学习(如随机森林、XGBoost)图像识别、语音识别、推荐系统、自然语言处理、预测分析
监督学习 (SL)使用带标签的数据训练模型,使其能够预测或分类新的数据。模型学习输入与标签之间的关系。带标签数据分类(例如二分类、多分类)、回归(例如数值预测)线性回归、逻辑回归、支持向量机(SVM)、KNN、决策树、随机森林邮件分类、图像分类、语音识别、股票预测、医疗诊断
无监督学习 (UL)使用无标签数据,目标是发现数据中的潜在模式或结构,不依赖预设的标签信息。无标签数据聚类(例如客户分群)、降维(例如PCA)、异常检测、关联规则K-means聚类、DBSCAN、层次聚类、主成分分析(PCA)、孤立森林客户细分、异常检测、市场分析、图像压缩、推荐系统
深度学习 (DL)机器学习的一个子集,使用深层神经网络(如卷积神经网络CNN、递归神经网络RNN)自动提取数据特征,适合处理复杂任务。大量标签数据图像分类、语音识别、自然语言处理、强化学习等卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN)自动驾驶、语音助手、翻译系统、图像生成、医疗影像分析
强化学习 (RL)智能体通过与环境的交互学习最优策略,目标是最大化长期回报(奖励)。通过试错学习和反馈优化决策过程。环境交互产生的数据游戏、路径规划、机器人控制、优化问题Q-learning、深度Q网络(DQN)、政策梯度方法(REINFORCE)、Actor-Critic自动驾驶、游戏AI、机器人控制、智能交通、广告投放
大型语言模型 (LLM)基于深度学习技术,特别是变换器模型(Transformers),处理大量文本数据,理解和生成自然语言。大规模文本数据文本生成、文本理解、对话系统、翻译、问答GPT(生成式预训练Transformer)、BERT(双向编码器表示Transformer)、T5、BLOOMChatGPT、翻译、内容创作、搜索引擎、客服机器人、虚拟助手

以上所有的技术词领域其实都是AI领域。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/60561.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

鸿蒙学习生态应用开发能力全景图-开发者支持平台(5)

鸿蒙相关平台作用:  开发者社区:开发者技术交流平台,帮助开发者探索开发实践、交流心得经验、获悉业界动态、答疑解惑。  开发者学堂:聚合官方鸿蒙生态课程,课程有慕课、微课、直播课、训练营等多种形式&#xff…

51c大模型~合集44

我自己的原文哦~ https://blog.51cto.com/whaosoft/11884382 #DR4SR 最佳学生论文解读,中科大、华为诺亚:序列推荐新范式DR4SR 本工作由认知智能全国重点实验室 IEEE Fellow 陈恩红团队与华为诺亚方舟实验室完成。陈恩红教授团队深耕数据挖掘、机器学…

uniapp中webview全屏不显示导航栏解决方案

uniapp官网文档地址&#xff1a;https://uniapp.dcloud.net.cn/api/window/window.html#getappwebview <template><view class"index"><u-navbar :is-back"true" title"标题"" :title-width"650"></u-navb…

Go语言中的`io.Pipe`:实现进程间通信的利器

在Go语言中&#xff0c;io.Pipe提供了一种在同一个进程中模拟管道&#xff08;pipe&#xff09;的方式&#xff0c;使得我们可以像操作操作系统的管道一样&#xff0c;在不同的goroutine之间进行数据传递。本文将深入探讨io.Pipe的工作原理、使用方法及其在实际开发中的应用场景…

openwebui二改界面环境搭建

1、下载源码 https://github.com/open-webui/open-webui 2、编译前端 npm i npm run dev 注意版本要求&#xff1a; Python Version: Python 3.11Node.js Version: 20.10 浏览器访问&#xff1a;http://localhost:5173/ 3、编译后端 cd backend conda create --name op…

HCIP-快速生成树RSTP

一、RSTP是什么 STP&#xff08;Spanning Tree Protocol &#xff09;是生成树协议的英文缩写。该协议可应用于环路网络&#xff0c;通过一定的算法实现路径冗余&#xff0c;同时将环路网络修剪成无环路的树型网络&#xff0c;从而避免报文在环路网络中的增生和无限循环。 RS…

多进程/线程并发服务器

多进程&#xff1a; #include <stdio.h> #include <sys/types.h> #include <sys/socket.h> #include <arpa/inet.h> #include <netinet/in.h> #include <string.h> #include <unistd.h> #include <stdlib.h>#define SER_PORT…

在Element Ui中支持从系统粘贴版中获取图片和PDF,Docx,Doc,PPT等文档

在上一篇中&#xff0c;我们单纯的实现了Ctrl V实现从粘贴版中获取图片信息&#xff0c;但是点击上传的时候会有个bug&#xff0c;就是点击文件上传的时候&#xff0c;会出现一个bug&#xff0c;这篇&#xff0c;我们将在上一篇的基础上进行完善&#xff0c;并支持从粘贴版中获…

《数据可视化技术》上机报告

一、实验目的及要求 掌握pyecharts数据可视化环境搭建以及pyecharts交互式基础图形的绘制。 &#xff08;1&#xff09;掌握pyecharts中初始配置项&#xff0c;系列配置项&#xff0c;全局配置项的配置方法。 &#xff08;2&#xff09;掌握pyecharts中条形图的绘制方法。 …

️虚拟机配置NAT和Bridge模式

虚拟机的网络配置 桥接 通过使用物理机网卡 具有单独ip NAT 把物理机为路由器进行上网 NAT模式&#xff1a; 所谓nat模式&#xff0c;就是虚拟系统会通过宿主机的网络来访问外网&#xff0c;而这里的宿主机相当于有两个网卡&#xff0c;一个是真实网卡&#xff0c;一个是虚拟…

2023年值得关注的9大零售趋势

图片来源&#xff1a;Photo by Heidi Fin on Unsplash 随着经济衰退的威胁日益迫近&#xff0c;新的一年带给零售商一系列挑战&#xff0c;而后者刚从一年的供应链瓶颈和库存过剩中恢复过来。当然&#xff0c;2023年并非一直悲观。随着越来越多的零售商找到新的机会&#xff0c…

杰控通过 OPCproxy 获取数据发送到服务器

把数据从 杰控 取出来发到服务器 前提你在杰控中已经有变量了&#xff08;wincc 也适用&#xff09; 打开你的opcproxy 软件包 opcvarFile 添加变量 写文件就写到 了 opcproxy.ini中 这个文件里就是会读取到的数据 然后 opcproxy.exe发送到桌面快捷方式再考回来 &#…

【golang-技巧】-自定义k8s-operator-by kubebuilder

0.背景&参考 link : https://github.com/guangtouwangba/blog-example/tree/master/k8s-operator https://juejin.cn/post/7192525316890296380 https://book.kubebuilder.io/quick-start 1.download sudo curl -L -o kubebuilder https://go.kubebuilder.io/dl/latest/…

关于深度学习的一些工具安装与细节

核心的步骤按这篇文章&#xff1a; Python深度学习环境配置&#xff08;Pytorch、CUDA、cuDNN&#xff09;&#xff0c;包括Anaconda搭配Pycharm的环境搭建以及基础使用教程&#xff08;保姆级教程&#xff0c;适合小白、深度学习零基础入门&#xff09;_python torch cuda-CS…

DVWA靶场通关——SQL Injection篇

一&#xff0c;Low难度下unionget字符串select注入 1&#xff0c;首先手工注入判断是否存在SQL注入漏洞&#xff0c;输入1 这是正常回显的结果&#xff0c;再键入1 You have an error in your SQL syntax; check the manual that corresponds to your MySQL server version for…

Unity安装后点击登录没反应

我是把默认浏览器改为google就行了 1.点击登录无反应&#xff0c;无登录界面 用谷歌浏览器打开&#xff01;&#xff01;&#xff01;&#xff01; 把默认浏览器换成谷歌&#xff01; 火狐、百度等内置百度搜索引擎的都没反应&#xff01; 坑的我重装了好几遍UnityHub呜呜呜…

协方差矩阵及其计算方法

协方差矩阵&#xff08;Covariance Matrix&#xff09;是一个描述多维数据特征之间相互关系的矩阵&#xff0c;广泛应用于统计学和机器学习中。它用于表示各个特征之间的协方差&#xff0c;是分析多维数据分布和特征依赖性的重要工具。 什么是协方差矩阵&#xff1f; 协方差矩…

[241115] Debian 12.8 发布 | Mistral AI 推出批量 API,成本降低 50%

目录 Debian 12.8 发布Mistral AI 推出批量 API&#xff0c;成本降低 50% Debian 12.8 发布 Debian 项目正式发布了第八个稳定版更新 Debian 12.8 (代号 bookworm)。此次更新主要修复了安全漏洞&#xff0c;并调整了一些严重问题。安全公告已单独发布&#xff0c;并在更新说明…

鸿蒙学习生态应用开发能力全景图-三方库(3)

鸿蒙生态三方库&#xff0c;是在鸿蒙系统上可重复使用的软件库&#xff0c;可帮助开发者重用技术资产&#xff0c;快速开发鸿蒙生态应用、元服务&#xff0c;提升开发效率。根据不同的开发语言分为两种&#xff1a;  ArkTS/TS/JS 语言的三方库&#xff0c;可直接导入并使用。…

OpenAI官方发布:利用ChatGPT提升写作的12条指南

近日&#xff0c;OpenAI官方发布了学生如何利用ChatGPT提升写作的12条指南&#xff0c;值得深入研究学习。 在如今AIGC应用爆发增长的时间点&#xff0c;如何充分利用生成式AI工具&#xff0c;如ChatGPT&#xff0c;有效切快速的提升写作和学习能力&#xff0c;成为每个学生、…