Kita berada dalam masyarakat di mana garis antara apa yang diciptakan oleh manusia, dan apa yang diciptakan oleh mesin, makin kabur. AI generatif telah menjadi titik balik dalam cara kita membuat, merancang, dan berinteraksi dengan teknologi. Tetapi bagaimana cara kerjanya, apa manfaat di luar kebaruan dan apa risikonya?
Bergabunglah dengan kami untuk pengenalan yang mudah didekati tentang cara kerja AI Generatif dengan cara yang masuk akal dan dapat dimengerti; dan bagaimana kita dapat menggunakan teknologi ini tidak hanya sebagai alat yang berdiri sendiri, tetapi dalam kemitraan kolaboratif untuk mendorong inovasi dan transformasi secara bertanggung jawab.
- Tingkat kursus: Dasar
- Durasi: 2 jam
Aktivitas
Kursus ini mencakup presentasi berdasarkan contoh-contoh praktis, dengan kasus penggunaan dan demonstrasi.
Tujuan kursus
Pada akhir sesi ini, peserta akan dapat:
- Mendefinisikan kecerdasan buatan, pembelajaran mesin, dan tiga jenis machine learning
- Menjelaskan bagaimana algoritma machine learning belajar dan kemudian menghasilkan model machine learning
- Memahami perbedaan antara algoritma machine learning tradisional dan algoritma deep learning
- Menjelaskan cara kerja jaringan neural tiruan
- Memahami perbedaan antara AI diskriminatif (prediktif) dan AI generatif
- Menjelaskan bagaimana Model Bahasa Besar (LLM) dilatih dan digunakan untuk pembuatan teks
- Memahami tujuan dan pentingnya Model Fondasi (FM) dan bagaimana rekayasa perintah dan penyempurnaan dapat digunakan untuk mengkustomisasi FM.
- Menjelaskan bagaimana model difusi dilatih dan digunakan untuk pembuatan gambar
- Menjelaskan aplikasi praktis AI generatif
- Mengidentifikasi masalah seputar penggunaan AI generatif yang bertanggung jawab dan inklusif
Peserta yang dituju
Kursus ini ditujukan untuk:
- Penggemar non-teknis
- Penggemar teknis
- Pengambil keputusan
Prasyarat
Tidak ada
Kerangka kursus
Pengantar
Bagian ini memberikan konteks keseluruhan dari kondisi kecerdasan buatan dan lanskap machine learning saat ini. Ini dimulai dari dasar-dasar dengan definisi kecerdasan buatan sebelum menelusuri machine learning dan tiga jenis utama machine learning: pembelajaran yang diawasi, tanpa pengawasan, dan penguatan. Ada diskusi tingkat tinggi tentang bagaimana ini memungkinkan kecerdasan buatan dan machine learning untuk benar-benar belajar, yang mengarah ke cakupan komprehensif tentang deep learning dan jaringan neural buatan - teknologi yang mendukung AI generatif.
- Apa itu kecerdasan buatan?
- Apa itu machine learning?
Pembelajaran yang diawasi
Pembelajaran tanpa pengawasan
Pembelajaran penguatan
- Bagaimana machine learning belajar?
- Apa itu deep learning?
Jaringan neural buatan
- AI diskriminatif
AI Generatif
Pada bagian ini kita menyelami dua bentuk AI generatif yang paling populer dan terkenal: pembuatan teks dan Pemrosesan Bahasa Alami, dan pembuatan gambar serta model difusi.
- Pembuatan teks dan Pemrosesan Bahasa Alami
Landasan pembuatan teks dan Pemrosesan Bahasa Alami adalah Model Bahasa Besar (LLM). Kami membahas secara mendalam tentang apa itu LLM dan bagaimana ini lebih maju dan efektif daripada pendekatan machine learning tradisional untuk memecahkan masalah yang berfokus pada teks - dengan fokus khusus pada arsitektur transformator. Kami kemudian membahas bagaimana ini bekerja dan dapat dikembangkan untuk mengatasi kasus penggunaan praktis menggunakan data Anda sendiri. Ini mengarah ke bagian akhir dari modul yang mencakup Model Dasar (FM) yang secara signifikan menurunkan biaya masuk bagi organisasi untuk menggunakan AI generatif melalui akses ke LLM berkinerja tinggi yang telah dilatih sebelumnya.
- Apa itu Model Bahasa Besar?
- Bagaimana ini berbeda dari pendekatan masa lalu?
- Arsitektur transformator
- Pembuatan teks bersyarat
- Mengembangkan Model Bahasa Besar (LLM)
- Demo: Model Fondasi dengan Amazon SageMaker JumpStart
- Pembuatan gambar dan model difusi
Pembuatan dan sintesis gambar dinamis telah memperoleh kemajuan signifikan selama beberapa tahun terakhir, terutama dengan pengenalan model berbasis difusi yang menjadi fokus bagian ini. Kami membahas bagaimana model difusi bekerja dan dapat dilatih untuk tidak hanya menghasilkan gambar, tetapi menghasilkan gambar berdasarkan perintah yang diberikan oleh pengguna untuk memandu jenis gambar yang dihasilkan.
- Model difusi
- Melatih model difusi
- Model difusi yang efektif
- Meningkatkan prediksi dan penghapusan kebisingan
- Ruang laten
- Pengkondisian teks
- Sintesis teks-ke-gambar
- Demo: Stable Difffusion dengan Amazon SageMaker JumpStart
Penggunaan praktis AI generatif
Sementara AI generatif telah mendapatkan perhatian luas melalui aplikasi yang digunakan konsumen, manfaat nyata bagi organisasi dapat datang melalui aplikasi yang digunakan bisnis. Sementara pendekatan AI tradisional telah tersedia untuk beberapa waktu, AI generatif membawa gelombang kemungkinan baru yang tidak mungkin dilakukan dengan pendekatan tradisional ini. Bagian ini membahas beberapa kasus penggunaan praktis AI generatif untuk organisasi.
- Pembuatan konten
- Pembuatan prototipe
- Analitik data
- Analisis konten
- Chatbot dan asisten virtual
- Manfaat kreativitas
AI yang bertanggung jawab dan inklusif
Seperti halnya teknologi apa pun, ada ruang untuk penyalahgunaan dan representasi yang salah. Modul akhir kursus ini membahas cara-cara bahwa produk dan layanan yang bertanggung jawab dan inklusif dapat dibangun menggunakan AI generatif.
- Lingkup AI generatif
- Dampak pada kelompok yang kurang terwakili
- Toksisitas
- Halusinasi
- Kekayaan intelektual
- Plagiarisme dan kecurangan
- Gangguan terhadap sifat pekerjaan
Kesimpulan: Membangun produk dan layanan AI yang bertanggung jawab
Kesimpulan dari kursus ini memberikan langkah-langkah selanjutnya bagi peserta yang ingin melanjutkan perjalanan mereka dalam AI generatif, dengan saran tentang kursus dan jalur pembelajaran yang tersedia melalui AWS Training and Certification.
