W artykule opisano różne techniki stosowane w algorytmach sztucznej inteligencji generatywnej, takie jak modele oparte na rozkładach prawdopodobieństwa, modele wariancyjne oraz modele sekwencyjne. Wyjaśniono podstawy tych technik oraz omówiono ich zastosowania w generowaniu obrazów, muzyki, tekstu czy mowy. Artykuł podkreśla znaczenie algorytmów generative AI jako narzędzi do twórczego generowania treści oraz prezentuje możliwe sposoby zwiększenia efektywności generowania tych treści z wykorzystaniem techniki prompt engineering.
EN
The article describes various techniques used in generative artificial intelligence algorithms, such as models based on probability distributions, variance models and sequential models. The basics of these techniques are explained and their applications in generating images, music, text or speech are discussed. The article emphasizes the importance of generative AI algorithms as tools for creative content generation and presents possible ways to increase the efficiency of generating this content using the prompt engineering technique.
W artykule opisano krótko architekturę oraz zasadę działania sieci neuronowych. Omówiono również szczegóły związane z programowaniem sieci neuronowych z wykorzystaniem języka Python oraz wybranych frameworków wspierających głębokie uczenie i projektowanie algorytmów AI. W dalszej części artykułu omówiony zostały proces wdrażania gotowego, wytrenowanego modelu sieci neutronowej w środowisku produkcyjnym aplikacji webowej, w której komunikacja z modelem sieci neuronowej przebiega zgodnie ze schematem Klient-Serwer. Wyjaśniona została idea tworzenia interfejsu API oraz ograniczenia architektoniczne specyfikacji REST-API. W ostatnim podrozdziale omówiono proces konteneryzacji modułu sieci neuronowej do postaci samodzielnej z wykorzystaniem środowisk Docker i Docker Compose.
EN
The article briefly describes the architecture and principle of operation of neural networks. Details related to programming neural networks using Python and selected frameworks supporting deep learning and designing AI algorithms were also discussed. The next part of the article discusses the process of implementing a ready, trained neural network model in the production environment of a web application, in which communication with the neural network model follows the Client-Server scheme. The idea of creating an API interface and the architectural limitations of the REST-API specification were explained. The last section discuss- es the process of containerization of a neural network module into a stand-alone form using the Docker and Docker Compose environments.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.