5月iOS設備性能榜：M1 M2依舊是榜單前五
和上個月一樣，沒有新品發布的iOS設備性能榜的上榜設備并沒有什么更替，僅僅只有跑分變化而產生的排名變動，剛剛開始的蘋果WWDC2023，推出的產品也依舊是新款Mac Pro、新款Mac Stu
這些神經網絡基于海量數據訓練，可為推動生成式 AI 革命的應用提供支持。
+++
編者注: 本文屬于《解碼 AI》系列欄目，該系列的目的是讓技術更加簡單易懂，從而解密 AI, 同時向 RTX PC 用戶展示全新硬件、軟件、工具和加速特性。
萬丈高樓平地起，一磚一瓦皆根基。由 AI 驅動的應用也是如此。
基礎模型是利用海量原始數據訓練而成的 AI 神經網絡，其訓練以無監督式學習為主。
這種人工智能模型經過專門訓練，可以理解并生成人類語言。想象一下，將一臺計算機放在偌大的圖書館里，并準備大量的書籍供它閱讀和學習，隨后它就能像人類一樣理解上下文，以及詞句背后的含義了。
因其具備強大的知識庫和使用自然語言進行交流的能力，基礎模型的應用范圍非常廣泛，包括生成和總結文本、輔助生成和分析計算機代碼、創作圖像和視頻，以及進行音頻轉錄和語音合成。
ChatGPT, 作為盡人皆知的生成式 AI 的典型代表，就是基于 GPT 基礎模型構建的聊天機器人該模型目前已推出第四版，即 GPT-4。已經是既能接收文本或圖像，也能生成文本或圖像回應的大型多模態模型了。
通常情況下，基于基礎模型構建的在線應用需要通過數據中心來訪問這些模型。但現在，許多此類模型及其驅動的應用都能在配備 NVIDIA GeForce 和 NVIDIA RTX GPU 的 PC 和工作站上本地運行。
基礎模型的用途
基礎模型具有各種各樣的功能，包括:
●語言處理: 理解和生成文本
●代碼生成: 對計算機代碼進行分析和調試 (支持多種編程語言)
●視覺處理: 分析和生成圖像
●語音: 根據文本生成語音，以及將語音轉錄為文本
用戶可以進一步優化基礎模型或直接將其投入使用。為每個生成式 AI 應用訓練全新的 AI 模型是相當耗資費時的，所以用戶往往會通過對基礎模型進行微調來滿足特定的應用場景。
得益于提示詞和檢索增強生成 (RAG) 等數據檢索技術，經過預訓練的基礎模型可展現出出眾性能。此外，基礎模型也很擅長遷移學習，這代表用戶可以訓練模型執行與其初始用途相關的第二個任務。
例如，如果一款通用大型語言模型 (LLM) 的功能是與人類對話，那在經過進一步訓練后，該模型就能被用作客服聊天機器人，利用企業知識庫來為客戶答疑解惑。
如今，各行各業的公司都會對基礎模型進行微調，以便將各自 AI 應用的性能發揮到極致。
基礎模型的種類
目前，投入使用的基礎模型已超過 100 種，而這個數字還將持續增長。LLM 和圖像生成器是非常熱門的兩類基礎模型。任何人都可以通過 NVIDIA API 目錄免費試用多種此類模型，且這種試用對硬件沒有要求。
LLM 模型能夠理解自然語言并對問題做出回應。例如，Google 的 Gemma 就很擅長文本理解和轉換，以及代碼生成。如果問它關于天文學家 Cornelius Gemma 的問題，它會回答:“他在天文導航和天文學方面的貢獻為科學進步帶來了重大影響。”同時，它還會提供 Cornelius Gemma 的主要成就、寶貴遺產等方面的信息。
Google 的 CodeGemma 由 RTX GPU 上的 NVIDIA TensorRT-LLM 加速，可為開發者社區帶來強大的輕量化編碼功能，進一步擴展了 NVIDIA 和 Google 在 Gemma 模型方面的協作。CodeGemma 提供了 7B 和 2B 兩種預訓練模型，專用于代碼補全和代碼生成任務。
MistralAI 的 Mistral LLM 能夠遵循用戶指令，完成各種請求和生成創意文本。事實上，在撰寫這篇文章的標題時，我們請 Mistral 使用“AI 解碼”的近義詞，然后它就給出了現在的標題，并進一步編寫了基礎模型的定義.
名副其實的 Hello, world
Meta 的 Llama 2 是一款先進的 LLM, 可以根據提示詞生成文本和代碼。
用戶可通過 NVIDIA ChatRTX 技術演示應用，在 RTX PC 和工作站上體驗 Mistral 和 Llama 2。ChatRTX 允許用戶通過 RAG 將基礎模型與其個人資料 (例如文檔、醫生筆記及其他數據) 關聯，實現模型的個人化。ChatRTX 由 TensorRT-LLM 加速，可迅速提供與上下文相關的回答。此外，ChatRTX 在本地運行，既保證數據安全，又實現快速響應。
用戶可通過 StabilityAI 的 Stable Diffusion XL 和 SDXL Turbo 等圖像生成器生成各種圖像和令人驚艷的逼真視覺效果。StabilityAI 的視頻生成器 Stable Video Diffusion 會以單個圖像為條件幀，并利用生成式擴散模型基于條件幀生成多個幀，再將其合成為視頻序列。
多模態基礎模型能夠同時處理多類數據 (例如文本和圖像), 生成更為復雜的輸出。
如果一款多模態模型同時支持文本和圖像，那么用戶就可以上傳圖像并詢問與該圖像相關的問題。這類模型正在快速融入客服等實際應用領域，相比于傳統手冊，它們能夠更快作出回應，也更便于用戶使用。
Kosmos 2 是 Microsoft 的開創性多模態模型，旨在按照人類的模式理解和處理圖像中的視覺元素。
思考時放眼全球，運行 AI 模型時立足“本地”
GeForce RTX 和 NVIDIA RTX GPU 能夠在本地運行基礎模型。
既保證數據安全，又實現快速響應。這是因為用戶無需依靠基于云的服務，只需利用 ChatRTX 等應用就能在本地 PC 上處理敏感數據，不必連接互聯網或與第三方共享數據。
用戶可以列表中選擇開放的基礎模型并下載，然后在自己的硬件上運行。與使用基于云的應用和 API 相比，這種方式不僅成本更低，還能解決延遲和網絡連接方面的問題。
請訂閱《解碼 AI》時事通訊，我們每周都會將新鮮資訊直接投遞到您的收件箱。
###
本文鏈接：http://www.www897cc.com/showinfo-26-83305-0.htmlAI 的基本要素：揭秘基礎模型的作用與價值
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號