Атлас знаний об ИИ
Об ИИ — по существу от базовых принципов до переднего края
Восемь областей знаний, сорок восемь ключевых концепций. Каждая — от точного определения через интуицию к устройству и границам применимости, с нарисованными вручную SVG-иллюстрациями и интерактивными диаграммами. Неважно, впервые ли вы слышите о нейронной сети или читаете статьи каждый день.
- Области знаний
- 08
- Ключевые концепции
- 48
- Иллюстрации и диаграммы
- 124
- Языки интерфейса
- 12
STRUCTURE
Восемь областей знаний
Если читать сверху вниз, выстраивается естественная цепочка зависимостей: математика обосновывает машинное обучение, машинное обучение задаёт рамку глубокого обучения, глубокое обучение несёт язык, зрение, обучение с подкреплением и генеративные модели — а инженерия и управление доводят всё это до продуктов.
Карта знанийPATHS
Выберите точку входа
Один сайт — три способа чтения. Фиксированного порядка нет: в любой момент можно перейти в сторону.
Я начинаю с нуля
Без математики, без кода. Начните с самых простых вопросов — что такое вектор, как обучается модель — и выстраивайте интуицию через аналогии.
Начать с математики и статистикиКое-что знаю и хочу системности
Вы слышали о градиентном спуске и Transformer, но знания фрагментарны. Читайте область за областью и свяжите разрозненные части в единую сеть.
Начать с машинного обученияЯ работаю в этой сфере
За десять минут нужно вспомнить точную формулировку метода и границы его применимости. Переходите сразу к статьям, формулам и дополнительной литературе.
Просмотреть все статьиDOMAINS
Области знаний
Основы математики и статистики
Векторы, матрицы, вероятность и производные — язык ИИ
Машинное обучение
Позволить программам выводить правила из данных, а не программировать их вручную
Глубокое обучение
Передать проектирование признаков многослойной сети
Обработка языка и большие языковые модели
От токенизации к трансформерам и говорящим моделям
Компьютерное зрение
Превратить пиксели в объекты, сцены и трёхмерную структуру
Обучение с подкреплением
Учиться последовательностям решений через пробы, ошибки и отложенную награду
Генеративный ИИ
От суждения «что это» к синтезу «каким это должно быть»
Инженерия, безопасность и этика ИИ
Превратить работающую модель в пригодный, надёжный и подотчётный продукт
SELECTED
Начните здесь
Если прочитать всего шесть статей — то вот эти шесть.
Векторы и векторные пространства
ИИ превращает всё — слова, изображения, звуки — в список чисел
Градиент и градиентный спуск
Всё глубокое обучение сводится к одному: сделать маленький шаг вниз по склону
Архитектура Transformer
Замена эстафеты по одному слову залом, где все говорят сразу, — и дальние зависимости оказываются в одном шаге
Диффузионные модели
Научитесь тысяче мелких шагов удаления шума — и соберёте изображение из чистого шума
Обучение с подкреплением на основе обратной связи от людей
Когда «хороший ответ» не выразить формулой, роль функции награды берут на себя люди
Генерация с дополнением из поиска
Вместо того чтобы втискивать знания в параметры, держать их снаружи и обращаться по мере надобности — как экзамен с открытой книгой
USAGE
Как пользоваться сайтом
Читать область за областью
Внутри каждой области материал упорядочен по возрастанию сложности: завершив одну, вы получаете целостный блок понимания.
02Переходить к карте знаний
Карта изображает все сорок восемь концепций как единую сеть связей, так что сразу видно, кто что поддерживает и что что заменяет.
03Пользоваться глоссарием как словарём
Встретив незнакомый термин, ищите его напрямую — это гораздо быстрее, чем листать назад по предыдущим главам.
Готовы?
Начните с «Векторов и векторных пространств» — это и есть настоящее основание современного ИИ.
Исследовать карту знаний