人工智能 (AI) 涵盖许多复杂的新兴技术,这些技术曾经需要人类输入,现在可以由计算机执行。计算机可以执行先进的功能,这些功能过去用于理解和推荐信息。现在,借助 AI,计算机甚至可以生成新内容。
缩写词 AI 通常可互换使用,表示构成 AI 领域的各种类型的技术。
常见 AI 概念
有许多术语和概念用于定义人工智能和机器学习,这些术语和概念对您可能很有用。以下是您在 Web 上实际使用 AI 的一些方式
通用 AI
广义而言,通用 AI 是一种非人类程序或模型,能够展示广泛的问题解决能力和创造力。模型是一个非常大的数学公式,其中包含机器返回输出所需的一组参数和结构。
借助通用 AI,您可以执行多种类型的任务,例如分析数据、翻译文本、作曲、识别疾病等。
窄 AI
窄 AI 是一种可以执行单个或特定子任务的系统。例如,与人类对手下国际象棋的计算机(请勿与机械土耳其混淆)。狭义 AI 具有一组预定义的参数、约束条件和上下文,这些参数、约束条件和上下文看似具有理解能力,但实际上只是对等式给出的答案。
在实践中,您可能会在人脸识别系统、语音助理和天气预报中看到这种情况。您可以使用高度专用的模型来改进网站和应用上的特定功能。
例如,您构建了一个专门用于电影的网站,用户可以在其中登录、为喜爱的电影评分,以及发现新电影来观看。您可以使用预先填充的数据库,根据用户当前访问的网页推荐电影。或者,您也可以使用窄 AI 模型,该模型会分析用户行为和偏好,以向该读者显示最相关的信息。
生成式 AI
大语言模型 (LLM) 是一种具有许多参数的神经网络 AI 模型,可用于执行各种任务,例如生成、分类或总结文本或图片。
生成式 AI 可根据 LLM 的上下文和内存来响应输入并创建内容。这不仅仅局限于模式匹配和预测。最常见的生成式 AI 工具包括:
这些工具可以生成书面散文、代码示例和图片。它们可以帮助您规划度假、让电子邮件的措辞更温和或更专业,或者将不同组信息分门别类。
无论是开发者还是非开发者,都可以使用无数的用例。
客户端 AI、服务器端 AI 和混合 AI
虽然网络上的大多数 AI 功能都依赖于服务器,但客户端 AI 会直接在用户的浏览器中运行。这带来了诸多好处,例如延迟时间短、服务器端费用降低、无需 API 密钥、增强用户隐私保护和离线访问。您可以使用 JavaScript 库(包括 Transformers.js、TensorFlow.js 和 MediaPipe)实现可在各种浏览器中运行的客户端 AI。
服务器端 AI 涵盖基于云的 AI 服务。可以将 Gemini 1.5 Pro 视为在云端运行。这些模型通常更大、更强大。这尤其适用于大语言模型。
混合 AI 是指同时包含客户端和服务器组件的任何解决方案。例如,您可以使用客户端模型执行任务,并在任务无法在设备上完成时回退到服务器端模型。
经过优化的小型客户端模型可能会比大型服务器端模型的效果更好,尤其是在针对性能进行了优化的情况下。评估您的用例,确定适合您的解决方案。
机器学习 (ML)
机器学习 (ML) 是一种 AI 形式,计算机无需明确编程即可进行学习。AI 致力于生成智能,而机器学习则让计算机能够从经验中学习。机器学习由用于对数据集进行预测的算法组成。
机器学习是指训练模型以根据数据做出有用的预测或生成内容的过程。
例如,假设我们想要创建一个网站,用于对任何给定日期的天气进行评分。传统上,这项工作由一位或多位气象学家完成,他们可以创建地球大气和地表的表示法,计算和预测天气模式,并通过将当前数据与历史背景进行比较来确定评分。
我们可以改为向机器学习模型提供大量天气数据,直到模型学习到天气模式、历史数据以及有关哪些因素会导致某个特定日期的天气好坏的准则之间的数学关系。事实上,我们是在网络上构建的。
深度学习
深度学习 (DL) 是一类机器学习算法。例如,深度神经网络 (DNN) 会尝试模拟人脑处理信息的方式。
AI 面临的挑战
在构建和使用 AI 时,会遇到一些挑战。以下仅列出了您应考虑的一些要点。
数据质量和新近性
用于训练各种 AI 模型的大型数据集通常在使用后很快就会过时。这意味着,在寻求最新信息时,您可以利用提示工程来提升 AI 模型在特定任务上的表现,并生成更好的输出。
数据集可能不完整或太小,无法有效支持某些用例。不妨尝试使用多种工具或根据需要对模型进行自定义,这可能会很有用。
道德和偏见问题
AI 技术令人兴奋,并且具有巨大的潜力。不过,计算机和算法最终是由人类构建的,并根据人类可能收集的数据进行训练,因此会面临一些挑战。例如,模型可能会学习并放大人类偏见和有害的刻板印象,从而直接影响输出结果。在构建 AI 技术时,务必要将减少偏见作为首要任务。
关于 AI 生成内容的版权,存在许多伦理问题:输出内容的所有者是谁,尤其是在输出内容受到版权内容的严重影响或直接抄袭版权内容的情况下?
在生成新内容和创意之前,请考虑现有政策中关于如何使用您创作的内容的规定。
安全和隐私设置
许多网络开发者表示,在使用 AI 工具时,隐私和安全是他们最关心的问题。这在对数据有严格要求的业务环境(例如政府和医疗保健公司)中尤为重要。使用云 API 将用户数据公开给更多第三方是一个问题。请务必确保所有数据传输都安全且持续受到监控。
客户端 AI 可能是解决这些用例的关键。我们还需要进行更多研究和开发。
开始在网页上使用 AI
现在,您已经熟悉了多种类型的 AI,接下来可以开始考虑如何使用现有模型提高工作效率并构建更好的网站和 Web 应用。
您可以使用 AI 来:
- 为网站搜索构建更好的自动补全功能。
- 使用智能摄像头检测常见物体(例如人或宠物)的存在
- 使用自然语言模型解决垃圾评论问题。
- 为代码启用自动补全功能,提高工作效率。
- 提供下一个字词或句子的建议,打造所见即所得的写作体验。
- 提供对数据集的直观易懂的说明。
- 更多其他应用…
预训练 AI 模型是改进网站、Web 应用和工作效率的绝佳方式,无需完全了解如何构建数学模型和收集为最热门 AI 工具提供支持的复杂数据集。
您可能会发现,大多数模型无需进一步调整即可满足您的需求。调优是指对已使用大型数据集训练的模型进行进一步训练,以满足您的特定使用需求。有许多技术可用于调优模型:
- 基于人类反馈的强化学习 (RLHF) 是一种利用人类反馈来改进模型与人类偏好和意图的契合度的方法。
- 低秩自适应 (LoRA) 是一种高效利用参数的 LLM 方法,可减少可训练参数的数量,同时保持模型性能。