图片来源：供图；作者：斯蒂芬·惠特洛；

Dall-E 3

DALL-E 3是 OpenAI 开发的一款深度学习文本到图像模型，能够根据自然语言描述（提示词）生成详细、高分辨率的图像。该模型于 2023 年末发布，通过显著提升提示词遵循度、图像质量以及复杂细节的渲染能力，代表了相较于此前生成式视觉模型的一次重大迭代。

主要特点与功能

· 原生语言理解：原生设计可理解用户提示中的细微差别、空间关系和详细上下文，无需复杂的“提示工程”。

· 图像内文本渲染：能够生成清晰、易读的文本，并将其直接嵌入图像中（例如：标识、标签、徽标）。

· 与 ChatGPT 集成：原生集成于 ChatGPT Plus/Enterprise，允许用户通过对话方式对视觉提示进行头脑风暴、优化和迭代。

· 安全与来源追溯：内置安全防护机制，防止生成露骨内容、公众人物的讽刺漫画或模仿在世艺术家的画风；并采用 C2PA 来源元数据来标识 AI 生成的图像。

注：DALL-E 3 目前已基本不再作为标准使用，因为 OpenAI 和微软已正式将其退役并弃用。它已被更新的原生多模态系统所取代

来源：供图；作者：Stephen Whitelaw；

数据

数据是人工智能系统所使用的原材料。它可能包括文本、图像、音频、视频、数字、交易记录、传感器读数或医疗记录。人工智能系统从数据中学习模式。数据的质量、相关性和公平性至关重要。无论模型看似多么先进，劣质数据都会导致人工智能表现不佳。

图片来源：供图；作者：斯蒂芬·怀特劳；

数据增强

数据增强是指通过创建现有训练样本的修改版本来改进模型。对于图像，这可能包括旋转、裁剪或调整亮度；对于文本，则可能涉及改写。其目的是通过让模型接触各种变体，从而提高其鲁棒性。当原始数据集有限时，数据增强尤为有用。

图片来源：供图；作者：斯蒂芬·怀特劳；
数据偏差

当用于训练或测试人工智能系统的数据缺乏代表性、不完整或存在偏差时，就会产生数据偏差。例如，主要基于某一人口统计群体进行训练的面部识别系统，在其他群体上的表现可能会较差。数据偏差是导致人工智能行为不公平或不可靠的主要原因之一。

来源：图片由供稿方提供；作者：斯蒂芬·怀特劳；

数据清洗

数据清洗是指在使用数据之前对其进行修正、删除或整理的过程。现实世界中的数据通常包含重复项、缺失值、拼写错误、过时条目或格式不一致的情况。人工智能系统在很大程度上依赖于干净的数据。在许多项目中，数据清洗所花费的时间甚至比构建模型还要长。

来源：供图；作者：斯蒂芬·怀特劳；
数据标注

数据标注是指为数据添加有意义的标签，以便人工智能系统能够从中学习。例如，将电子邮件标注为“垃圾邮件”或“非垃圾邮件”，有助于训练垃圾邮件过滤器。对医学影像进行标注则有助于训练诊断工具。良好的标注需要明确的规则和质量控制，尤其是在需要专家判断的情况下。

图片来源：供图；作者：斯蒂芬·怀特劳；

数据泄漏

当测试数据中的信息意外地影响了训练过程时，就会发生数据泄漏。这会使模型的表现看起来比实际更好。例如，如果模型使用在现实生活中无法获得的信息进行训练，其性能估计就会变得不可靠。数据泄漏是机器学习项目中常见但严重的错误。

来源：供图；作者：斯蒂芬·怀特劳；

数据挖掘

数据挖掘是指从海量数据集中发现模式、关联或有用信息的过程。它早于现代人工智能出现，但与机器学习存在交叉。企业利用数据挖掘来了解客户、检测欺诈、预测需求并优化运营。其风险在于，这些模式可能会被误解，或在缺乏适当隐私保护措施的情况下被滥用。

来源：供图；作者：斯蒂芬·怀特劳；

数据隐私

数据隐私涉及个人信息的收集、使用、存储和共享方式。人工智能带来了新的隐私问题，因为模型可能基于包含敏感信息的大型数据集进行训练。使用人工智能的组织需要考虑同意、安全、匿名化、数据保留以及法律合规性。隐私不仅仅是一个技术问题，更是一个信任问题。

图片来源：供图；作者：斯蒂芬·怀特劳；

数据集

数据集是指用于训练、测试或分析人工智能系统的结构化数据集合。数据集可能包含客户记录、医学影像、产品评论、金融交易或标注过的照片。数据集的规模、质量和代表性会极大影响模型的性能。

来源：供图；作者：斯蒂芬·怀特劳；

决策树

决策树是一种通过一系列问题进行决策的机器学习模型。例如：客户是否年满18岁？之前是否出现过支付失败的情况？交易金额是否异常庞大？决策树之所以广受欢迎，是因为它们比许多“黑箱”模型更易于理解。它们常用于风险评分、分类和业务规则中。

来源：供图；作者：斯蒂芬·怀特劳；

深度伪造

深度伪造是指由人工智能生成或篡改的媒体内容，使某人看似说了或做了实际上并未说过或做过的事情。 深度伪造既可用于娱乐，也可用于欺诈、骚扰、散布虚假信息以及政治操纵。随着深度伪造技术日益逼真，媒体素养和信息核实变得愈发重要。

将 The Portugal News 设为您在 Google 上的首选新闻来源

Google在 Google 上添加为首选来源