รุ่นเทียบกับการเลือกปฏิบัติ: อะไรคือความแตกต่าง
งาน ML แบบคลาสสิกส่วนใหญ่จะ เลือกปฏิบัติ: โมเดลเรียนรู้ที่จะแมปอินพุต X กับป้ายกำกับ Y ตัวกรองสแปมจะส่งออกสแปม / ไม่ใช่สแปม ตัวตรวจจับวัตถุส่งคืนพิกัดกล่องขอบเขต โมเดลนี้สร้าง การอนุมานเกี่ยวกับข้อมูลที่มีอยู่ โดยไม่ได้สร้างอะไรใหม่เลย
ขอบเขตนั้นไม่แน่นอน BERT ฝึกฝนโดยไม่มีป้ายกำกับ (การทำนายโทเค็นที่ปกปิด) แต่ใช้สำหรับงานที่เลือกปฏิบัติ ตัวแยกประเภทที่ใช้ GPT ในทางเทคนิคแล้วเป็นสถาปัตยกรรมเชิงกำเนิดที่ใช้สำหรับการเลือกปฏิบัติ ความแตกต่างที่สำคัญอยู่ที่วัตถุประสงค์การฝึกอบรม ไม่ใช่สถาปัตยกรรม
แผนที่ของ AI กำเนิด: หกตระกูล
เหตุใด generative AI จึงเป็นไปได้ในขณะนี้
แนวคิดเบื้องหลังโมเดลเชิงกำเนิดไม่ใช่เรื่องใหม่ GAN เปิดตัวในปี 2014 และ VAE ในปี 2013 สิ่งที่เปลี่ยนแปลงคือ การบรรจบกันของปัจจัยสามประการ ที่ทำให้การฝึกอบรมในวงกว้างเป็นไปได้และมีประสิทธิผล