Uma revisão honesta da introdução do Google aos cursos de IA generativa

Então, o Google recentemente lançou uma lista de cursos gratuitos de introdução à IA generativa e a maior questão é: eles valem a pena?

Acho que é para isso que estou aqui. Depois de concluir o caminho de aprendizagem Introdução à IA Generativa do Google ( confira aqui ), aqui estão meus dois centavos.

Índice

• Análise do curso
  • Público-alvo
  • Metas de aprendizagem
  • Análise de conteúdo
  • Resumo/folhas de dicas
• Veredicto final (vale a pena?)
• Recursos adicionais

Análise do curso do caminho de aprendizagem de IA generativa do Google

Público-alvo

Os cursos do Google são direcionados a alunos sem conhecimento técnico prévio do tópico ou, conforme explicado em seu blog , o caminho é projetado para o público não técnico e adjacente à tecnologia, com funções como vendas, RH, marketing e operações. Nesse sentido, isso significa que o curso não fornece instruções detalhadas , mas oferece uma excelente introdução aos conceitos fundamentais em IA generativa.

Metas de aprendizagem

A ideia é responder adequadamente à pergunta “Mas o que realmente é IA Generativa?”.

A ênfase do curso está em IA generativa, grandes modelos de linguagem e ética em IA. Por meio do curso, você também poderá aprender sobre osserviços de IA fornecidos pelo Google e o papel do Google na incorporação de práticas responsáveis de IA, que inclui uma combinação de estudos de caso, vídeos em formato de palestra e questionários.

Análise de conteúdo

Então, vamos decifrar o material do caminho de aprendizagem:

• Introdução à IA Generativa - curso
• Introdução a grandes modelos de linguagem - curso
• Introdução à IA Responsável - curso
• Fundamentos de IA Generativa - curso com selo de habilidade
• IA responsável: aplicação dos princípios de IA com o Google Cloud – curso

Entenda isso, o curso Fundamentos de IA Generativa é basicamente uma compilação dos três primeiros cursos (Introdução à Gen AI, Introdução ao LLM e Introdução à IA Responsável), mas com a adição de um quiz. E o negócio é o seguinte: se você concluísse os cursos antes do curso de distintivo de habilidade, não precisaria refazê-los. Meu palpite sobre o motivo pelo qual o caminho de aprendizagem está formatado dessa maneira é garantir que você realmente leia os materiais do curso, em vez de apenas clicar em 'próximo' ao tentar o selo de habilidade Fundamentos de IA Generativa.

Escolhendo o conteúdo dos cursos, aqui estão alguns cheatsheets que desenvolvi:

Resumo + folhas de dicas

IA generativa

Começando com “O que é Inteligência Artificial?”, é um campo da Ciência da Computação que imita a cognição humana para realizar tarefas complexas e aprender com elas. Dentro da IA, existe o subcampo de Aprendizado de Máquina que utiliza algoritmos treinados em dados para produzir modelos adaptáveis que podem executar diversas tarefas complexas.

Dentro do ML, existem diferentes tipos, incluindo aprendizagem supervisionada, aprendizagem não supervisionada, aprendizagem por reforço e aprendizagem profunda. O aprendizado profundo usa redes neurais artificiais, permitindo-lhes criar padrões mais complexos, por meio dos quais suas redes neurais usam aprendizado supervisionado, aprendizado não supervisionado e aprendizado semissupervisionado para atingir seu objetivo. Existem dois tipos de modelos de aprendizagem profunda, nomeadamente discriminativos e generativos.

IA generativa é um tipo de tecnologia de Inteligência Artificial que pode produzir vários tipos de conteúdo, incluindo texto, imagens, áudio e dados sintéticos. Resumindo, GenAI é um tipo de IA que cria novos conteúdos com base no que aprendeu com o conteúdo existente. Ele utiliza um processo de aprendizagem denominado treinamento que resulta na criação de um modelo estatístico que, por sua vez, é utilizado para prever qual pode ser a resposta esperada quando dada uma solicitação.

Grandes modelos de linguagem

Modelos de linguagem grandes são considerados grandes devido a dois fatores: serem treinados em um grande conjunto de dados de treinamento com um grande número de parâmetros. Freqüentemente chamados de hiperparâmetros, os parâmetros são essencialmente as memórias e o conhecimento que a máquina aprendeu e são usados para definir a habilidade do modelo para resolver problemas. Os LLMs também têm propósito geral, pois se esforçam para resolver problemas comuns usando linguagens humanas.

Existem dois tipos de LLMs, nomeadamente pré-treinados e ajustados, em que os modelos pré-treinados podem fazer “tudo”, mas têm as suas limitações práticas, enquanto os modelos ajustados se adaptam a um nicho específico ou visam resolver um problema específico. É importante observar que o ajuste fino tende a ser caro, portanto, existem métodos mais eficientes, como métodos de ajuste com eficiência de parâmetros (PETM), como o ajuste de prompt.

Para entender os prompts, eles são essencialmente entradas fornecidas a um LLM para obter uma resposta específica. O equívoco usual é entre projeto rápido e engenharia rápida. Para resumir, o design do prompt é adaptado à tarefa específica que o sistema está sendo solicitado a executar, enquanto a engenharia do prompt é projetada para melhorar o desempenho do modelo usando conhecimento específico do domínio, fornecendo exemplos de uma saída desejada e usando palavras-chave que são conhecido por ser eficaz para este sistema específico.

Serviços de IA/ML do Google

A Vertex AI oferece um jardim modelo para modelos de fundação. Considere o caso de uso em que o usuário pretende usar um modelo para prever a satisfação do cliente, ele pode optar por usar o modelo de tarefa de análise de sentimento do tipo tarefa de classificação.

A integração da API PaLM com MakerSuite simplifica o ciclo de desenvolvimento generativo. MakerSuite inclui vários recursos, como uma ferramenta de treinamento de modelo para treinar modelos nos dados do usuário usando algoritmos diferentes, uma ferramenta de implantação de modelo para permitir que os usuários implantem seus modelos na produção e uma ferramenta de monitoramento de modelo para monitorar o desempenho do modelo na produção.

O GenAI Studio permite que os usuários explorem e personalizem rapidamente modelos GenAI com recursos como uma biblioteca de modelos pré-treinados, ferramentas para ajuste fino de modelos, ferramentas para implantação de modelos em produção e um fórum da comunidade para obter mais suporte.

O GenAI App Builder fornece aos usuários uma interface de arrastar e soltar, um editor visual para editar o conteúdo do aplicativo, um mecanismo de pesquisa integrado e um mecanismo de IA conversacional.

Bard é uma ferramenta de IA conversacional que é essencialmente um LLM semelhante ao ChatGPT.

Cursos gratuitos de IA do Google - valem a pena?

Sim, em termos mais simples, são. Se você me conhecesse saberia que estou sempre ao lado aproveitando novas oportunidades de aprendizado .

Porém, é importante ressaltar que o curso não é perfeito. Pode haver alguma sobreposição entre determinados tópicos e o foco é apenas nas contribuições do Google para a indústria de IA. Além disso, os questionários podem não ser desafiadores o suficiente, especialmente considerando o fato de que cada módulo geralmente consiste em apenas 3 a 5 perguntas por questionário.

Porém, vale considerar que o curso é totalmente gratuito e permite que você divulgue suas conquistas nas redes sociais e seu currículo. Além disso, o curso é conciso e direto, por isso não consumirá muito do seu tempo. Acredite em mim, consegui terminar o caminho em menos de um dia 👀

Como continuar sua jornada de aprendizagem de IA generativa além dos cursos do Google

Eu gostaria de pensar que nossa jornada de aprendizado nunca deveria depender de apenas uma fonte. Aqui estão alguns outros cursos que você pode dar uma olhada:

• IA generativa com grandes modelos de linguagem da DeepLearning.AI
• Introdução à IA generativa da Microsoft
• Série de aprofundamento técnico sobre bases de IA generativa na AWS da AWS
• Você fala vetor? Compreendendo a linguagem dos LLMs e da IA generativa da Datastax
• Um guia para iniciantes no uso de modelos de linguagem grande (LLMs) com a API PaLM

Outros:

• Abraçando o rosto
• Fluxo tensor
• LangChain