Средний
Что такое generative adversarial network?
Generative Adversarial Network (GAN) — это machine learning architecture, в которой generator и discriminator обучаются в opposition. Generator учится создавать realistic samples, а discriminator учится отличать generated samples от real data.
Что такое deepfake?
Deepfakes — это AI-сгенерированные или AI-модифицированные изображения, аудио или видео, которые делают людей, объекты, места, entities или события подлинными на вид, хотя они таковыми не являются.
Что такое synthetic media?
Synthetic media — это медиаконтент, полностью или частично сгенерированный либо измененный AI. Он может включать текст, изображения, аудио, видео, аватары, голоса и другие цифровые артефакты.
Что такое prompt engineering?
Prompt engineering — это практика проектирования, тестирования и уточнения inputs для generative AI models, чтобы они надежнее производили desired outputs. Она может включать roles, constraints, examples, context, format и evaluation criteria без изменения underlying weights модели.
Что такое temperature в generative AI?
Temperature — это model-generation parameter, который контролирует randomness output AI-системы. Более низкие значения обычно дают более focused и deterministic responses, а более высокие повышают variety, creativity и риск менее coherent или менее reliable output.
Что такое AI watermarking?
AI Watermarking — это встраивание видимых или скрытых identifiers в AI-generated или AI-modified content, чтобы указать origin, provenance или generation status. Watermarks могут добавляться during generation или after generation и могут требовать specialized tools для detection.
Продвинутый
Что такое content provenance?
Provenance и watermarking — это signals, которые помогают определить, как был создан content, откуда он появился или был ли он AI-generated либо modified. Эти mechanisms поддерживают authenticity, trust, moderation, auditability и responsible content governance.
Почему generated content нуждается в human review?
Human evaluation — это процесс, в котором люди оценивают quality, safety, usefulness или correctness model outputs. Он особенно важен для задач, где нет одного правильного ответа, например translation quality, summarization, dialogue или creative generation.