انجمن علمی علوم کامپیوتر

0:25

This media is not supported in your browser

VIEW IN TELEGRAM

#Generative vs. #Discriminative AI

هوش مصنوعی مولد (Generative AI)
یک زیرمجموعه از هوش مصنوعی است که مدل‌ها را قادر به تولید داده‌های جدید و نو می‌سازد.

هوش مصنوعی متمایزکننده (Discriminative AI)
به مدل‌های هوش مصنوعی اشاره دارد که بدون ایجاد یک مدل احتمالاتی برای داده‌ها مستقیماً به دسته‌بندی داده‌ها می‌پردازند.

چند تفاوت ساده بین هوش مصنوعی متمایزکننده و مولد

هدف:
هدف هوش مصنوعی مولد، درک و مدلسازی توزیع زیربنایی داده‌ها، برای تولید نمونه‌های داده جدید است.
هوش مصنوعی متمایزکننده بر یادگیری مرز بین آبجکت‌ها یا رابطه بین ویژگی‌های ورودی و برچسب‌های خروجی تمرکز دارد.

خروجی:
هوش مصنوعی مولد نمونه‌های داده جدیدی تولید می‌کند که شبیه داده‌های آموزشی است.
هوش مصنوعی متمایز بر اساس داده‌های ورودی، پیش بینی‌ یا تصمیم‌گیری می‌کند.

برنامه‌های کاربردی:
هوش مصنوعی مولد برای کارهایی مانند تولید تصویر، تولید متن و تقویت داده‌ها استفاده می شود.
هوش مصنوعی متمایزکننده برای کارهایی مانند طبقه‌بندی، رگرسیون و تشخیص ناهنجاری استفاده می شود.

#نیوتک

❤‍🔥4👍3👨‍💻1

www.tg-me.com/us/انجمن علمی علوم کامپیوتر/com.cs_yazd/1567

777 viewsFeb 29, 2024 at 14:31

#Generative vs. #Discriminative AI

هوش مصنوعی مولد (Generative AI)
یک زیرمجموعه از هوش مصنوعی است که مدل‌ها را قادر به تولید داده‌های جدید و نو می‌سازد.

هوش مصنوعی متمایزکننده (Discriminative AI)
به مدل‌های هوش مصنوعی اشاره دارد که بدون ایجاد یک مدل احتمالاتی برای داده‌ها مستقیماً به دسته‌بندی داده‌ها می‌پردازند.

چند تفاوت ساده بین هوش مصنوعی متمایزکننده و مولد

هدف:
هدف هوش مصنوعی مولد، درک و مدلسازی توزیع زیربنایی داده‌ها، برای تولید نمونه‌های داده جدید است.
هوش مصنوعی متمایزکننده بر یادگیری مرز بین آبجکت‌ها یا رابطه بین ویژگی‌های ورودی و برچسب‌های خروجی تمرکز دارد.

خروجی:
هوش مصنوعی مولد نمونه‌های داده جدیدی تولید می‌کند که شبیه داده‌های آموزشی است.
هوش مصنوعی متمایز بر اساس داده‌های ورودی، پیش بینی‌ یا تصمیم‌گیری می‌کند.

برنامه‌های کاربردی:
هوش مصنوعی مولد برای کارهایی مانند تولید تصویر، تولید متن و تقویت داده‌ها استفاده می شود.
هوش مصنوعی متمایزکننده برای کارهایی مانند طبقه‌بندی، رگرسیون و تشخیص ناهنجاری استفاده می شود.

#نیوتک

BY انجمن علمی علوم کامپیوتر