人工智能学习总结（一）

人工智能：

AI：是一个广泛涉及多个学科，旨在研究、设计、构建具备智能、学习、推理和行动能力的计算机和机器。

摘要： 本文系统性地介绍了人工智能（AI）与生成式人工智能（GAI）的基本概念，并深入探讨了机器学习的三大范式（监督学习、非监督学习、强化学习）及其重要分支------深度学习（包括神经网络与Transformer架构）。文章进一步列举了AI在自然语言处理（NLP）、语音处理（SLP）及图像视频处理等领域的核心应用场景。最后，重点阐述了提示工程（Prompt Engineering）的关键技术，包括提示词的构成要素（指示、上下文、例子、输入、输出格式）、样本学习（Zero-shot, One-shot, Few-shot）策略以及高效使用大语言模型的实践总结。

GAI：生成式人工智能，目标是让机器能够产生复杂且结构化的物件。
#mermaid-svg-IhnCyfikTIkmOw7j{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-IhnCyfikTIkmOw7j .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-IhnCyfikTIkmOw7j .error-icon{fill:#552222;}#mermaid-svg-IhnCyfikTIkmOw7j .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-IhnCyfikTIkmOw7j .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-IhnCyfikTIkmOw7j .marker{fill:#333333;stroke:#333333;}#mermaid-svg-IhnCyfikTIkmOw7j .marker.cross{stroke:#333333;}#mermaid-svg-IhnCyfikTIkmOw7j svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-IhnCyfikTIkmOw7j p{margin:0;}#mermaid-svg-IhnCyfikTIkmOw7j .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-IhnCyfikTIkmOw7j .cluster-label text{fill:#333;}#mermaid-svg-IhnCyfikTIkmOw7j .cluster-label span{color:#333;}#mermaid-svg-IhnCyfikTIkmOw7j .cluster-label span p{background-color:transparent;}#mermaid-svg-IhnCyfikTIkmOw7j .label text,#mermaid-svg-IhnCyfikTIkmOw7j span{fill:#333;color:#333;}#mermaid-svg-IhnCyfikTIkmOw7j .node rect,#mermaid-svg-IhnCyfikTIkmOw7j .node circle,#mermaid-svg-IhnCyfikTIkmOw7j .node ellipse,#mermaid-svg-IhnCyfikTIkmOw7j .node polygon,#mermaid-svg-IhnCyfikTIkmOw7j .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-IhnCyfikTIkmOw7j .rough-node .label text,#mermaid-svg-IhnCyfikTIkmOw7j .node .label text,#mermaid-svg-IhnCyfikTIkmOw7j .image-shape .label,#mermaid-svg-IhnCyfikTIkmOw7j .icon-shape .label{text-anchor:middle;}#mermaid-svg-IhnCyfikTIkmOw7j .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-IhnCyfikTIkmOw7j .rough-node .label,#mermaid-svg-IhnCyfikTIkmOw7j .node .label,#mermaid-svg-IhnCyfikTIkmOw7j .image-shape .label,#mermaid-svg-IhnCyfikTIkmOw7j .icon-shape .label{text-align:center;}#mermaid-svg-IhnCyfikTIkmOw7j .node.clickable{cursor:pointer;}#mermaid-svg-IhnCyfikTIkmOw7j .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-IhnCyfikTIkmOw7j .arrowheadPath{fill:#333333;}#mermaid-svg-IhnCyfikTIkmOw7j .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-IhnCyfikTIkmOw7j .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-IhnCyfikTIkmOw7j .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-IhnCyfikTIkmOw7j .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-IhnCyfikTIkmOw7j .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-IhnCyfikTIkmOw7j .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-IhnCyfikTIkmOw7j .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-IhnCyfikTIkmOw7j .cluster text{fill:#333;}#mermaid-svg-IhnCyfikTIkmOw7j .cluster span{color:#333;}#mermaid-svg-IhnCyfikTIkmOw7j div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-IhnCyfikTIkmOw7j .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-IhnCyfikTIkmOw7j rect.text{fill:none;stroke-width:0;}#mermaid-svg-IhnCyfikTIkmOw7j .icon-shape,#mermaid-svg-IhnCyfikTIkmOw7j .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-IhnCyfikTIkmOw7j .icon-shape p,#mermaid-svg-IhnCyfikTIkmOw7j .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-IhnCyfikTIkmOw7j .icon-shape .label rect,#mermaid-svg-IhnCyfikTIkmOw7j .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-IhnCyfikTIkmOw7j .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-IhnCyfikTIkmOw7j .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-IhnCyfikTIkmOw7j :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 人工智能
机器学习
生成式人工智能
监督学习
非监督学习
强化学习
深度学习
神经网络
Transformer
应用场景
自然语言处理
语音处理
图像视频处理
情感分析
文本归类
信息抽取
数学/编程/创作等
提示工程
提示词构成
样本学习
指示
上下文
例子
输入
输出格式
Zero-shot
One-shot
Few-shot

机器学习：

监督学习：人工标注，比如猫的图片。
非监督学习：文字空缺补全，图片缺失补全。
强化学习：反馈，正反馈，负反馈。
机器学习分支：
- 深度学习：
  - 神经网络：NN 神经网络，分层信息处理（不同维度处理）。
  - Transformer：大部分语言模型使用（80%）。

应用场景：

自然语言处理（NLP）：
- 情感分析
- 文本归类
- 信息抽取
- 数学问题
- 角色扮演
- 编程问题
- 创作问题
语音处理（SLP）
图像视频处理

Gradio.app

提示工程：

什么是提示功能：
- 提示词工程（Prompt Engineering）是一项通过优化提示词（Prompt）和生成策略，从而获得更好的模型返回结果的技术。
- 好的 Prompt 需要不断调优。
- 说清楚自己到底想要什么，要具体。
- 不要让机器去猜测太多。为了不让机器去猜测，我们就需要提供细节。
- 提示功能有一些技巧，灵活掌握，事半功倍。

提示词构成：

指示（Instruction）：描述要让它做什么？
上下文（Context）：给出与任务相关的背景信息。
例子（Examples）：给出一些例子，让模型知道怎么回复。
输入（Input）：任务的输入信息。
输出（Output Format）：输出的格式，想要什么形式的输出？

Shot Learning 样本学习：

One-shot learning：只给一个 example。
Few-shot learning：多个 examples。
Zero-shot learning：不给任何的 examples。

总结：

写清楚的指令。
将复杂任务分解为更简单的子任务。
系统地测试更改。
提供参考文本。
使用外部工具。
早期测试和学习。
引入新信息。
可靠地复制复杂的风格或方法。