人工智能科普篇-IBM AI Developer 专业证书专项课程-课堂笔记-生成性人工智能（Generative AI）与传统人工智能（AI）的区别，AI 聊天机器人的工作流程

生成性人工智能（Generative AI）与传统人工智能（AI）的区别：

传统AI的工作方式：

• 存储库（Repository）：存储所有信息的地方，可以是数据、表格、图像、文档等。
• 分析平台（Analytics Platform）：例如IBM的SPSS Modeler或Watson Studio，用于构建模型。
• 应用层（Application Layer）：将模型应用于实际场景，如电信公司预测客户流失并采取措施防止客户取消服务。

传统AI的特点：

• 需要一个反馈循环（Feedback Loop）来自动化过程，从经验中学习，改进模型。

生成性AI的特点：

• 数据来源：不仅限于组织内部的数据，而是使用来自全球的大量数据。
• 大型语言模型（Large Language Models, LLMs）：使用这些数据构建的模型非常强大，但可能缺乏特定业务需求的细节。
• 提示和调整（Prompting and Tuning）：将通用的大型语言模型调整为特定于特定用例的模型。

生成性AI的工作流程：

• 从大量数据开始，通过大型语言模型处理这些数据。
• 使用提示和调整层来细化模型，使其适应特定组织的需求。
• 应用层（Application Layer）：与传统AI类似，将AI应用于实现特定目的。
• 反馈循环（Feedback Loop）：通常反馈到提示和调整部分，因为这些通常在组织外部。

生成性AI与传统AI的主要区别：

• 基础架构不同，主要与数据的规模和模型的构建有关。
• 生成性AI处理的数据量和模型规模通常太大，无法由任何组织单独存储。

以从家开车到办公室的故事讨论了途中人类智能，人工智能和增强智能分别干了什么：

三种智能形式：

• 人类智能：用于操作车辆，如转动方向盘和检查后视镜。
• 人工智能：在高速公路上使用自动驾驶功能，车辆自动保持车道、车距和速度，无需人为干预。
• 增强智能：车辆的辅助驾驶功能，如碰撞检测和盲点避免，辅助驾驶员安全驾驶。

人工智能（AI）：

• 机器执行通常需要人类智能的任务，如推理、自然交流和问题解决。
• 它基本上取代了人类的需求，计算机执行工作，人类不再必需。

增强智能：

• 机器和人类一起工作，增强彼此完成任务的能力。
• 增强智能系统扩展了我们人类的能力，如屏幕阅读器、语音导航和车辆碰撞避免系统。

智能形式的选择：

• 机器的优势：处理大量数据，执行重复性任务，可靠性高。
• 人类的优势：概括信息，创造力，情感智能，理解他人反应。
• 增强智能的结合：结合人类优势和机器的帮助，实现人类单独无法完成的事情。

结论：

• 人工智能和增强智能都是最佳选择，增强智能是人类继续在世界中繁荣和领导的关键，也是确保安全驾驶的方式。

AI在日常生活中的应用实例：

• 自动化重复任务：虚拟助手（如Siri、Google Assistant、Alexa）使用AI算法解释语音指令并完成任务，如设定提醒、回答查询、提供天气预报、管理智能家居设备。
• 智能家居：AI使设备（如恒温器、灯光、安全摄像头）能够理解用户习惯和偏好，实现自动化控制。
• 推荐系统：分析大量数据提供个性化推荐，如Netflix、Amazon Prime、Spotify的个性化内容推荐，以及社交媒体和电商平台的个性化产品推荐。
• 安全和保障：AI在网络安全（如加密、访问控制、风险评估）、欺诈检测、生物识别认证系统和视频分析方面发挥作用。
• 医疗保健：AI聊天机器人和虚拟助手提供全天候支持，提醒服药或提供基本医疗信息；AI驱动的可穿戴设备监测健康数据，帮助诊断疾病和个性化治疗计划。

AI在智能设备中的集成：

• 智能手机相机：AI增强了面部识别、场景检测、肖像模式和自动图像增强等功能。
• 导航应用：利用实时交通数据和用户反馈优化路线，提高通勤和旅行规划的效率。
• 键盘和消息应用：AI算法建议单词或短语，预测下一个单词，纠正拼写和语法错误。

AI 聊天机器人的工作流程关键步骤：

1. 用户输入：用户通过文本或语音与聊天机器人进行交互，提出问题或请求。
2. 输入处理：如果用户输入的是语音，聊天机器人首先将其转换为文本。然后，聊天机器人使用自然语言处理（NLP）技术来解析文本，识别关键词和用户意图。
3. 意图识别：聊天机器人通过分析用户的输入内容，确定用户想要执行的操作或询问的信息。
4. 对话管理：根据识别出的意图，聊天机器人选择适当的响应策略。这可能包括从其知识库中检索信息、请求更多细节，或者执行特定的任务。
5. 后端集成：聊天机器人可能需要与后端系统（如数据库、企业资源规划系统、客户关系管理系统等）交互，以获取所需的信息或执行操作。这通常通过应用程序编程接口（API）实现。
6. 信息检索和处理：聊天机器人从后端系统检索相关信息，如产品库存、用户账户详情等。它可能需要对这些信息进行处理，以生成对用户有用的响应。
7. 响应生成：聊天机器人使用其算法和知识库，结合从后端系统检索到的信息，生成响应。响应可以是提供信息、回答问题、执行任务的结果，或者是为了获取更多信息而继续与用户对话。
8. 用户交互：生成的响应通过相同的渠道（文本或语音）发送回用户。用户可以根据聊天机器人的响应进行后续操作，如确认订单、提供额外信息等。
9. 持续学习和优化：聊天机器人会根据每次交互的结果进行学习和优化。通过机器学习算法，聊天机器人能够不断改进其性能，更准确地理解用户意图，并提供更准确的响应。
10. 安全性和隐私保护：在整个工作流程中，聊天机器人需要确保用户数据的安全和隐私，遵守相关的法律法规。

聊天机器人的后端集成：

• 聊天机器人通常托管在云端，可以与各种服务集成，处理用户请求。
• 聊天机器人通过API与企业数据库或其他系统通信，以执行任务或检索信息。