自然語言處理
含有「自然語言處理」共 40 篇內容
全部內容
發佈日期由新至舊
今天的人工智慧 1+1 自學：監督式學習 (Supervised Learning) 與文本分類 (Text Classification)
「1」 - 技術核心層：
機器學習/ML (Machine Learning) 3類型之一(監督式學習/非監督式學習/強化學習)——「監督式學習 (Supe
本篇文章引領我進入一個將哲學、邏輯、藝術與人工智慧交織的世界。約翰．康托斯教授不僅是電腦科學的先行者，更是一位具有人文視角的AI研究者。他將自我意識這樣的抽象概念融入科技語言，讓我重新思考「意識」是否真能由演算法與軟體生成。
本文探討AI定義、康託斯教授的研究歷程，及其與藝術家Kasda合作出版的《人工智慧與意識之眼》書中核心概念「書本針灸」，涵蓋圖靈測試、格式塔理論、機器意識等十項關鍵主題，並延伸至AI在工程與基礎設施的應用。
4/5《人工智慧、機器意識與解釋》
今年我參加了 2024 玉山 AI Cup，題目剛好是文件檢索 / RAG，決定給平常就有在接觸 NLP 的自己一次機會挑戰看看。這篇文章將我們團隊開發的「Hybrid 模型」解法和參賽經驗和大家分享。
Liquid AI，一家從麻省理工學院衍生的創新公司，正開發一種全新的AI模型，以「第一原理」為基礎，突破傳統GPT框架的限制。這些模型強調因果關係、可解釋性以及環境永續性，目標是提高AI的效率與透明度，特別適用於特定領域與通用系統。Liquid AI 並有望成為未來 AI 發展的新標竿。
本文探討生成式 AI 與自然語言處理 (NLP) 的關係，強調兩者如何相互影響並共同推動人工智能的發展。生成式 AI 能夠通過學習大量數據生成文本、音樂和圖像，而 NLP 則幫助機器理解和產生人類語言。本文還介紹了生成式 AI 的多種應用，包括機器翻譯、文本摘要和對話系統，並展望未來技術的創新潛能。
PyTorch 是一個開源的 Python 機器學習庫，基於 Torch 庫，底層由 C++ 實現，應用於人工智慧領域，如電腦視覺和自然語言處理等。
PyTorch 2.4 引入了多項新功能和改進，包括支援 Python 3.12、AOTInductor 凍結功能、新的高階 Python 自訂運算
機器其實不是像人類這樣一的單字對應一個單字去翻譯， 而是使用「編碼器 Encoder」與「解碼器 Decoder」來做語言之間的翻譯。 其中編碼器的任務，是「閱讀 Read」與「處理 Process」完整的文本， 而解碼器的任務，則是「產生 Produced」翻譯過後的文本。
本文介紹了流行的Python套件NLTK（Natural Language Toolkit）的主要特點、功能和在中文和英文語料上的應用。從安裝到實際應用，深入介紹了分詞、停用詞去除、詞性標註、命名實體識別等NLP任務的具體實現和步驟，幫助讀者理解和應用NLTK。
大家在跟Chat GPT互動的時候，會不會覺得常常雞同鴨講
我們梳理了一些提升Chat GPT回答能力的作法 ChatGPT回答不是你要的怎麼辦？
我們也實作了當中的一種方法，叫做RAG於 自己做免錢Chat GPT吧
這篇文章，我們談談其他技巧，稱為「透過LoRA執行Fine Tuning」