Fórum:AI: Porovnání verzí
Feedback

Z WikiSkript

Vizuální
Řádek 492: Řádek 492:
* https://medium.com/@jaroslav.streit/gpt-pro-v%C5%A1echny-gpt4all-e5f6c290607a
* https://medium.com/@jaroslav.streit/gpt-pro-v%C5%A1echny-gpt4all-e5f6c290607a


''Model umělé inteligence sám “nepřemýšlí”. Funguje tak, že je nejdříve potřeba jej natrénovat (s pomocí velmi výkonného hardwaru — GPU nebo TPU)— do neuronové sítě se pustí obrovské množství dat (proto modely obsahují čísla jako 1.3B, 2.7B, 13B, 67B — počet miliard parametrů). Tímto se v síti nastaví určité “váhy”, dle kterých se neurony aktivují nebo neaktivují. Pokud do takto natrénované sítě “pustíme” vstup, výstup bude určen “váhami” v síti, u chatbotů text, který je poskládán dle nejvyšších pravděpodobností z natrénovaných dat. K '''inferenci''' již není potřeba tak velký výkon, pouze vstup “proteče” jednotlivými neurony.'' <ref>Jaroslav Štreit - deepit.cz, GPT pro všechny — GPT4All, https://medium.com/@jaroslav.streit/gpt-pro-v%C5%A1echny-gpt4all-e5f6c290607a</ref>
''Model umělé inteligence sám “nepřemýšlí”. Funguje tak, že je nejdříve potřeba jej natrénovat (s pomocí velmi výkonného hardwaru — GPU nebo TPU)— do neuronové sítě se pustí obrovské množství dat (proto modely obsahují čísla jako 1.3B, 2.7B, 13B, 67B — počet miliard parametrů). Tímto se v síti nastaví určité “váhy”, dle kterých se neurony aktivují nebo neaktivují. Pokud do takto natrénované sítě “pustíme” vstup, výstup bude určen “váhami” v síti, u chatbotů text, který je poskládán dle nejvyšších pravděpodobností z natrénovaných dat. K '''inferenci''' již není potřeba tak velký výkon, pouze vstup “proteče” jednotlivými neurony.''


=== Face swap ===
=== Face swap ===

Verze z 13. 3. 2025, 21:45

Nejrozšířenější chatovací nástroje


Vývoj AI

Trocha teorie

Neuronové sítě

Topologie neuronových sítí

Učení neuronových sítí

Učení s dohledem

Učení pod dohledem, učení s učitelem,

Reinforcement learning - zpětnovazebné učení
  • Tréninková sada dat
  • Testovací sada dat
Generalizace
  • Zobecnění vs. zapamatování
  • Zobecnění - síť dobře generalizuje, když rozpozná příznak u případu, který ještě neviděla.
  • Zapamatování

Redukce dimenzionality

Funkce Softmax

Zarovnání

Mesa optimalizace

Mesa-optimalizace je situace, která nastane, když naučený model (jako je neuronová síť) je sám o sobě optimalizátorem. V této situaci vytvoří základní optimalizátor druhý optimalizátor, který se nazývá mesa- optimalizátor . Primární referenční prací pro tento koncept je Hubinger et al. „ Rizika z naučené optimalizace v pokročilých systémech strojového učení “.

Příklad: Přirozený výběr je optimalizační proces , který optimalizuje reprodukční zdatnost. Přírodní výběr vytvořil lidi, kteří jsou sami optimalizátory. Lidé jsou proto mesa-optimalizátory přírodního výběru a hackli původní systém přírody:

  1. Oddělili sex od rozmnožování.
  2. Oddělili zajištění na stáří od výchovy dětí.
  3. Oddělili obživu od práce.
  4. Oddělili sociální kontakty od setkávání s lidmi.

V kontextu zarovnání AI je obava, že základní optimalizátor (např. proces sestupu gradientu) může vytvořit naučený model, který je sám o sobě optimalizátorem a který má neočekávané a nežádoucí vlastnosti. I když se proces sestupu gradientu v určitém smyslu „pokouší“ dělat přesně to, co lidští vývojáři chtějí, výsledný mesa-optimalizátor se obvykle nebude snažit dělat přesně to samé.

Velké jazykové modely

Prompt engineering

Přesnost dotazů na umělou inteligenci (promptů) je důležitá proto, že jde vlastně o programování v přirozeném jazyce. Každé upřesnění promptu, každý krok v komunikaci s LLM je vlastně zvědoměním si toho, co tvořím.

Prompt injection

Oblíbené prompty

Prompty pro analýzu testu

Vložím soubor s výsledky testu, co řádek to student, co sloupec to testová úloha.

  1. Zrekonstruuj klíč správných odpovědí na základě toho, že u správné odpovědi je navíc velké písmeno X.
  2. Použij klíč a spočti hrubé skóre studentů.
  3. Z těchto skóre vytvoř histogram.
  4. Vypočti pro jednotlivé úlohy jejich obtížnost a diskriminaci.
  5. Ulož tyto hodnoty do tabulky. Tabulku mi pošli ve formátu excel.
  6. Vykresli sloupcový graf se dvěma proměnnými, kde na ose x budou položky seřazené podle obtížnosti a pro každou položku bude červeně vynesená hodnota obtížnosti a modře vynesená hodnota diskriminace. Pro popis osy x použij menší font aby se popisky položek nepřekrývaly.
  7. Graf mi pošli jako soubor v excelu.

ChatGPT


ChatHub + Poe

Google Gemini

Copilot

Pokud máte licenci na Copilot M365 a copilota nevidíte v nainstalovaných aplikacích ale jenom ve webových verzích, může to být tím, že je potřeba aktualizovat licenci a restartovat aplikaci. Pak už by se měl copilot objevit. Tedy např. v desktopové aplikaci Word hledáte pod odkazem Účet (Account) a vyberete položku Update License.


  • Blackbox AI (odpověď s kódem)
  • Cogram (SQL placené)
  • Grammarly (gramatika - free)
  • Jasper (pisálek free)
  • Scribe (generátor průvodců - free)

Copilot pro PowerPoint

Claude3

Unfortunately, Claude.ai is only available in certain regions right now. We're working hard to expand to other regions soon. Get notified when Claude is available in your region.

Agenti AI a Agentická AI

Analýza dat s AI

AI v kancelářských aplikacích

Užitečnost AI

AI v grafice

Rozpohybování fotek

(video generátory)

Minimax

Runway (Gen3)

Luma Dream Machine

Kling

Deep Dream Generator

Porovnání

Zajímavosti

AI ve videu

AI v hudbě

AI v psychoterapii

AI v programování

AI ve správě webu, médií, ...

Je možné nechat AI projít webovou stránku a nechat navrhnout vylepšení?

  • GPT 4, Stáhněte si pluginy - KeyMate, LinkReader, SEO (nebo další pluginy pro pomoc s weby). Dejte mu prompt: “Posílám link na web. Tento web se zabývá tím a tím. Projdi si ho a navrhni vylepšení (případně odhal chyby), abychom zvýšili návštěvnost.
  • ChatGPT s pluginem pro procházení webu a nebo nově Bard, který už funguje v České republice.
  • Lighthouse
  • Plugin do prohlížeče jménem Merlin AI. Využíval zdarma chatgtp a dokázal se spojit s webem. Má to jednoduchou instalaci a nastavení.
  • Nástroj pro kontrolu novinových článků (Šlerka)

Používání umělé inteligence k vytváření vysoce kvalitních zpráv

https://ts2.space/cs/analyza-ai-a-sentimentu-ziskavani-emocionalnich-vhledu-z-textu-a-reci/ Nástroje pro analýzu sentimentu

ChatBot
  • https://botpress.com/
  • LivechatAI (drahý), Voiceflow, Langchain, pripadne Landbot taky menej komplikovaný
Dabing
  • Rask.ai dokáže předabovat při zachování hlasu původního herce.
  • Elevenlabs.io dokáže klonovat hlas a nechat jej mluvit to, co je zadáno textově.
  • TTS od Coqui z githubu. Umi to klonovat i cestinu, resp jakykoliv jazyk, ale je to hooodne citlivy na vstup a asi i dalsi nastaveni.

Novinky v AI

Text to video


Text to speech

Speech to text

Přepis schůzky (zvukový záznam na text, Audio to text)

AI ve výuce

AI ve vědě a publikační činnosti

AI při zpracování dlouhých textů

Etické používání AI ve výuce

Využití AI ve výuce medicíny


AI simulovaný pacient

Využití AI v medicíně

Transparentnost použití AI v medicíně

Med-PaLM 2: Medical large language model

Úspěšnost modelu MedPalm2 při zkouškách USMLE ve srovnání se staršími modely.

    • Med-PaLM 2 může zpracovávat informace ze zobrazovacích metod, jako jsou rentgenové snímky hrudníku, mamogramy a další. Velké jazykové modely mohou být překvapivě úspěšné v testech, které mají zkoumat porozumění, znalosti a schopnost uvažování, které si absolventi lékařských fakult osvojují dlouhá léta. Otázkou je, zda schopnost odpovědět na otázky testu je stejnou výpovědí o kompetencích, jako v případě lidského subjektu.

Zkontrolujte, zda je Med-PaLM dostupný ve vaší zemi. Med-PaLM je v současné době dostupný pouze v následujících zemích: Spojené státy Kanada Spojené království Austrálie Nový Zéland Singapur Indie Japonsko Jižní Korea

Využití AI pro tvorbu Wikipedie a WikiSkript

AI prakticky

Hugging Face

Platforma Hugging Face je oblíbená open-source platforma a komunita pro strojové učení, zvláště zaměřená na oblasti zpracování přirozeného jazyka (NLP) a umělé inteligence (AI). Hlavní charakteristiky a funkce Hugging Face zahrnují:

  • Knihovna Transformery

Tato knihovna nabízí přístup k široké škále předtrénovaných modelů, jako jsou BERT, GPT-2, T5, a další, které lze použít pro různé úlohy NLP, jako je klasifikace textu, generování textu, otázky a odpovědi a summarizace.

  • Kolaborativní Komunita

Hugging Face podporuje velkou a aktivní komunitu výzkumníků, vývojářů a nadšenců do AI, kteří sdílejí modely, nástroje a nejlepší postupy.

  • Přístup k Modelům

Uživatelé mohou snadno stahovat a používat různé předtrénované modely pro své projekty. Kromě toho mohou sdílet své vlastní modely s komunitou.

  • Nástroje pro Vývoj a Výzkum

Platforma poskytuje nástroje a knihovny, které usnadňují experimentování a vývoj v oblasti strojového učení a AI.

  • Podpora Různých Jazyků a Domén

Hugging Face podporuje širokou škálu jazyků a domén, což umožňuje jejich použití v různých aplikacích a projektech.

  • Integrace s Jinými Platformami

Hugging Face se dá integrovat s populárními nástroji a platformami pro strojové učení, jako jsou TensorFlow, PyTorch a další. Platforma Hugging Face je tedy velmi užitečným zdrojem pro každého, kdo se zajímá o strojové učení a AI, nabízí flexibilní a mocné nástroje pro různé aplikace v oblasti NLP a AI.

AI na vlastním hardware

Flux (generování obrázků) (via Prompt Lab)

Flux Dev model je nový typ modelu stable diffusion. Lze ho spustit přes comfyUI, přes workflow dostupné na civitAI, ale je velice náročný na hardware.

  • Minimální doporučené požadavky jsou 12gb VRAM a 30GB RAM. Každopádně verze Schnell je dostupnější, ale má větší chybovost... Oba tyto modely jsou dostupné buď na githubu, nebo civitAI...
  • Musíte mít grafickou kartu nVidia alespoň 12Gb, poté nainstalovat comfyUI. To stáhnete na tomto odkazu

Potom stáhněte comfyUI manager

Poté stáhnete model Flux, VAE a workflow, které najdete na civitAI...

Automatizace s pomocí AI

GPT4All

Spusťte si Chatbota u sebe na počítači! Program Gpt4all - offline jazykový model s přístupem k lokálním souborům (snad všechny formáty). Některé jazykové modely ke stažení (3 - 8Gb) umí i česky. No v češtině nic moc. Ale zase je schopen pracovat s různými soubory. Rychlost odpovědi jako GPT4 (s 8Gb grafikou). Počítat vyloženě neumí, ale dějiny zná. Umí pracovat s tabulkou a udělat jakž takž souhrn. Programovací jazyky zvládá.

Model umělé inteligence sám “nepřemýšlí”. Funguje tak, že je nejdříve potřeba jej natrénovat (s pomocí velmi výkonného hardwaru — GPU nebo TPU)— do neuronové sítě se pustí obrovské množství dat (proto modely obsahují čísla jako 1.3B, 2.7B, 13B, 67B — počet miliard parametrů). Tímto se v síti nastaví určité “váhy”, dle kterých se neurony aktivují nebo neaktivují. Pokud do takto natrénované sítě “pustíme” vstup, výstup bude určen “váhami” v síti, u chatbotů text, který je poskládán dle nejvyšších pravděpodobností z natrénovaných dat. K inferenci již není potřeba tak velký výkon, pouze vstup “proteče” jednotlivými neurony.

Face swap

Zpracování vložené fotky a face swap s lokálně běžící Stable diffusion s ControlNetem. Co do rozlišení je výstup limitován výkonem grafiky, ale i to se dá s controlnetem obejít.

Install Stable Diffusion Locally (Quick Setup Guide)

Pro zachování vzhledu osoby použít in paint a parametr --iw, který specifikuje, jakou váhu (od 0 do 2) má vstupní obrázek.

Kurzy AI

Využití API

AI a bezpečnost

Detekce textu generovaného AI

Detekce obrazu generovaného AI

Regulace AI

Etický kodex používání AI na VŠ

AI a autorské právo

Úvahy kolem AI

Kontroverze AI

Obecná umělá inteligence (AGI)

Zatímco úzká umělá inteligence se ohlíží zpět a zužitkovává to co bylo, obecná umělá inteligence bude hledět dopředu a vytvářet nové světy.

Automatizace procesů s využitím AI

RAG Technika

RAG Techniques (Retrieval-Augmented Generation) jsou techniky používané při generování textu pomocí jazykových modelů, které kombinují dvě hlavní složky:

Retrieval (vyhledávání)
  • Model nejprve vyhledá relevantní informace z externí databáze nebo jiného zdroje (např. dokumenty, články, databáze znalostí), které souvisejí se zadaným dotazem uživatele.
  • Tyto informace slouží jako podklady („context“), díky kterým model dokáže odpovědět přesněji a relevantněji.
Augmented Generation (rozšířená generace)
  • Jazykový model následně generuje odpověď s využitím dodaného kontextu.
  • Kontext z vyhledaných informací pomáhá snížit riziko halucinací (vymýšlení nepravdivých údajů) a zvýšit přesnost generovaných odpovědí.
Výhody RAG Techniques
  • Přesnost: Lepší faktická správnost.
  • Aktuálnost: Umožňuje pracovat s aktuálními informacemi.
  • Transparentnost: Snadnější ověření, odkud odpověď pochází.
Typické použití
  • Chatboti, virtuální asistenti.
  • Vyhledávací systémy s odpovědí v přirozeném jazyce.
  • Asistenti v oblasti práva, medicíny, technické podpory, vzdělávání apod.

RAG Techniques se tedy zaměřují na propojení schopností jazykových modelů s externími znalostmi, aby odpovědi byly kvalitnější a spolehlivější.

n8n

n8n je (open-source) low-code nástroj určený k automatizaci workflow a integraci aplikací a služeb.

Spojuje různé aplikace (CRM, e-mail, sociální sítě, databáze apod.) a umožňuje jim komunikovat bez nutnosti programování. Jednoduše kombinuje různé REST API a služby. Automaticky předává data, transformuje je, spouští akce na základě událostí. Stahuje data, upravuje je a načítá do cílových systémů. Díky vizuálnímu rozhraní lze snadno vytvářet komplexní procesy.

Citováno z „https://www.wikiskripta.eu/index.php?title=Fórum:AI&oldid=495004“