AI.x社区

​结合XAI技术可以帮助开发人员改进模型，发现偏差，并确保可靠和公平的NLG应用程序。自然语言生成（NLG）是从会话代理到内容创建等应用程序的核心。尽管取得了进步，但NLG系统经常像“黑匣子”一样运行，让开发人员和用户对其决策过程摸不着头脑。可解释性人工智能（XAI）通过使NLG模型更具可解释性和可控性有效地弥补了这一缺口。本文探讨了增强NLG系统透明度的实用技术和工具，提供了详细的代码片段和逐步的解释，以指导开发...

探讨大规模情感分析对于分析多语言和特定领域大量文本数据的重要性。情感分析，也称为意见挖掘，是自然语言处理（NLP）技术中的一个强大概念，用于解释和分类文本数据中表达的情感。当然，它可以确定情绪是积极的、消极的还是中性的。有了这样的结果，每个企业和研究人员都能理解顾客的意见、市场趋势和社会态度。通过分析从社交媒体、评论和调查等来源收集的数据，情感分析可以提供强大的、可操作的见解，推动决策，提高客户满...

采用人工智能编码助手可以将软件开发团队的效率提高40%，其中包括代码审查至调试的过程，同时可以有效应对现实世界的挑战并遵循最佳实践。软件开发专家IgboanugoDavidUgochukwu表示，当他带领的软件开发团队在去年开始使用人工智能编码助手时，他对其能力持怀疑态度。基于其长达15年的编程经验，他不相信大型语言模型能够对实际的开发工作提供有意义的帮助。在六个月后，他的看法发生了根本性转变，其开发团队的工作效率提高了...

本文将以实战案例探讨如何在类似聊天的模式下从本地构建Llama3.2Vision模型，并在Colab笔记本上探索其多模态技能。简介视觉功能与大型语言模型（LLM）的集成正在通过多模态LLM（MLLM）彻底改变计算机视觉领域。这些模型结合了文本和视觉输入，在图像理解和推理方面表现出令人印象深刻的能力。虽然这些模型以前只能通过API访问，但是最近发布的一些开源项目已经支持在本地执行，这使得它们对生产环境中一线应用更具吸引力。在本...

本文给出了一个使用CNN＋PyTorch实现汽车电子行业视觉检测分类详尽的实战案例解析。在本文中，我们开发了一个卷积神经网络（CNN），用于汽车电子行业的视觉检测分类任务。在此过程中，我们深入研究了卷积层的概念和相关数学知识，并研究了CNN实际看到的内容以及图像的哪些部分导致它们做出决策。第1部分：概念背景1.任务：将工业部件分类为合格件或废品在自动装配线的一个工位中，带有两个突出金属销的线圈必须精确地定位在外壳...

本文将探讨基于LangChain框架和云原生向量数据库Milvus并将密集嵌入与稀疏嵌入结合起来开发混合搜索型AI程序的实战过程。简介最近，我们——来自IBM研究中心的团队——需要在​​Milvus​​​向量存储中使用混合搜索技术。因为我们已经在使用​​LangChain框架​​​，所以我们决定一鼓作气贡献出在​​langchainmilvus​​​中启用这一功能所需的一切。其中包括通过langchain接口支持​​稀疏嵌入​​​和​​多向量搜索​​技...

了解如何将AI的力量径直带入到你的安卓手机上：没有云，没有互联网，只有纯粹的设备端智能！在安卓手机上本地运行大语言模型（LLM）意味着你可以在不依赖云服务器或互联网连接的情况下访问人工智能（AI）模型。这种本地环境通过确保数据安全、并在设备端来确保隐私。随着移动硬件领域的发展，在本地运行AI模型已成为了现实。MLCChat应用程序可以让你很容易直接在手机上体验这种功能强大的技术。本文将解释在安卓手机上本地运行L...

我们正处于这样一个时代：大型基础模型（大规模通用神经网络以无监督的方式使用大量不同的数据进行预训练）彻底改变计算机视觉、自然语言处理以及最近的时间序列预测等领域。这种模型通过实现零样本预测来重塑时间序列预测领域，允许使用新的、未见过的数据进行预测，无需针对每个数据集进行重新训练。这一突破显著缩减了开发时间和成本，简化了为不同任务创建和微调模型的过程。机器学习方法在时间序列预测中的作用首次在M4和M...

人工智能（AI）已经成为现代软件应用程序不可或缺的一部分，因为它可以为传统应用程序添加更强大的功能。本教程将指导你使用一种简单的方法来构建AI应用程序。人工智能（AI）已经成为现代软件应用程序不可或缺的一部分，因为它可以为传统应用程序添加前所未有的更强大功能，比如语音识别、图像检测分类以及自然语言处理（NLP）等等。众所周知，AI应用程序稳健可靠且更智能。许多大公司已经在其应用程序的核心采用了AI，随着AI不...

在过去几年里，我们已经见证了大型语言模型（LLM）的飞速发展，数十亿个参数的基础助力它们成为分析、总结和生成文本及图像，或者创建聊天机器人等任务的强大工具。所有这些功能都有一些明显的限制，特别是如果用户没有足够的资金或硬件来容纳这些LLM所需的大量计算资源。在这种情况下，小型语言模型（SLM）应运而生，为资源受限的用户提供了所需服务。现在，随着人们对能够同时处理不同类型数据（图像、文本、音频和视频）的多...

​本文提供了关于如何使用Milvus构建多模态RAG系统以及如何为AI系统开辟各种可能性的深入指南。局限于单一的数据格式已经逐渐落伍。随着企业越来越依赖信息来做出关键决策，他们需要能够比较不同格式的数据。幸运的是，传统的限于单一数据类型的人工智能系统已经让位于能够理解和处理复杂信息的多模态（Multimodal）系统。​​多模态搜索和多模态检索增强生成（RAG）系统近年来在这一领域取得了很大进展。这些系统能够处理多种...

本文将介绍一个实验，展示多个人工智能代理如何通过群聊方式进行互动，并根据具体的业务需求协同工作，共同生成解决方案的架构。本文介绍如何使用DatabricksCommunityEdition(CE)（一个免费的基于云的平台）运行一些基本的人工智能Python代码。因为只处理开源库，所以这个实验可以很容易地在任何PythonPySpark环境中复现。AutoGen和可对话代理简介​​AutoGen​​​是一个开源平台，使开发人员能够创建协作人工智能代理。这些代...

模式崩溃会导致生成对抗网络（GAN）产生重复输出。尽管有一些解决方案，但并没有一种能够完全解决这个问题的方法。那么，研究人员将如何解决这个问题？事实上，生成式对抗网络（GAN）是人工智能领域中令人瞩目的应用之一。GAN风靡全球，凭借生成逼真的图像、深度伪造（Deepfake）视频、人工智能生成的艺术作品，甚至合成的生物数据，其能力让人们惊叹不已。但是GAN也有不为人知的秘密，这是工程师、人工智能爱好者和研究人员多...

快速准确地训练人工智能模型，对于建立对这些工作流工具的信任非常重要。随着人工智能驱动的应用程序执行复杂任务的能力越来越强，数据科学家和机器学习工程师需要探索新方法。要为特定用例开发最佳模型，利用合适的模型、数据集和部署可以简化人工智能开发过程并产生最佳结果。选择合适的模型选择最佳的模型架构对于完成特定任务而获得最佳结果非常重要。解决不同类型的问题需要不同的模型架构：卷积神经网络（CNN）递归神经网...

随着最近应用迅速普及开来、人工智能（AI）得到广泛采用，大语言模型（LLM）已变得备受广大公司企业、开发人员和非开发人员的欢迎，因为它们为用户提供了诸多好处。它们帮助开发人员调试代码并生成代码片段，还帮助澄清看似复杂的编程概念和任务，从而提高生产力。只要用于训练的数据集涵盖主题，使用LLM的非开发人员就可以受益于对问题做出快速且定制的响应和答复。LLM简介大语言模型（LLM）是能够理解和生成文本以及处理其他...

本文主要介绍了OpenAI推出的实验性框架Swarm，它是一个多代理编排框架，致力于探索管理复杂AI代理交互的方式。文中阐述了AI代理的概念、组成及发展方向，强调Swarm的作用是协调多代理工作，通过任务分解、动态调度等机制，通过多个代码示例，体现其在复杂任务处理上的优势，还介绍了Swarm的核心概念如代理和任务移交，以及通过示例代码展示其关键概念和功能实现，最后深入原理，从Routine到Agent的转变及Handoff功能的运作方式...

标记化可以将文本拆分成更小的部分（标记），以便LLM有效地处理和理解语言模式。这对于LLM处理不同的语言至关重要。如今，GPT3、GPT4或谷歌的BERT等大型语言模型（LLM）已经成为人工智能理解和处理人类语言的重要组成部分。但在这些模型展现出令人印象深刻的能力背后，却隐藏着一个很容易被忽视的过程：标记化。本文将解释标记化的定义，标记化如此重要的原因，以及在实际应用中是否能够规避这一步骤。想象一下，你正在阅读一本...

​AI行业正在经历一场转变，转向更小巧更高效的大语言模型（LLM），从而使用户能够在本地机器上运行模型，无需功能强大的服务器。本教程将指导你借助Cortex运行本地LLM，着重介绍其独特的功能和易用性，使任何拥有标准硬件的人都可以享用AI。注意：Cortex目前正在积极开发中，这可能会导致bug或某些功能无法正常运行。你可以通过​​​GitHub​​或​​Discord​​报告任何问题。Cortex简介​Cortex是一个动态的本地AIAPI平台，...

构建机器学习产品需要不同类型的技能和流程，而这些技能和流程需要逐步被吸纳并融入组织的日常运作中。计划在组织内部引入人工智能机器学习的产品经理通常会提出这样一个问题：“我从哪里开始着手？”对于缺乏该领域经验的组织来说，深入研究人工智能机器学习可能会让人感到不知所措。构建机器学习产品需要不同类型的技能和流程，而这些技能和流程需要逐步被吸纳并融入组织的日常运作中。事实表明，成功的关键在于从小处着手，...

​AI驱动的基于意图的网络（IBN）正成为管理复杂网络的解决方案。如今，互联网已成为我们生活中不可分割的一部分，随着云计算的发展和对基于AIML的应用程序的需求增加，对网络容量的需求更是呈现不可阻挡的趋势。而随着网络呈指数级扩展，传统的拓扑和设计正在努力与现代IT基础设施快速发展的需求保持同步。由于网络基础设施和链路的数量庞大，网络管理变得越来越复杂。在这种情况下，人工智能（AI）驱动的基于意图的网络（inte...