Czasopismo | PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE | Rocznik 2023 - zeszyt 4

ZWIĘKSZANIE POTENCJAŁU SZTUCZNEJ INTELIGENCJI GENERATYWNEJ DZIĘKI PROMPT ENGINEERING

INCREASING THE POTENTIAL OF GENERATIVE ARTIFICIAL INTELLIGENCE WITH PROMPT ENGINEERING

10.15199/59.2023.4.77

nr katalogowy: 144805
10.15199/59.2023.4.77

Streszczenie

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.

Abstract

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.

Słowa kluczowe

Keywords

Bibliografia

[1] Foster David. 2019. „Generative Deep Learning: Teaching Machines to Paint, Write, Compose, and Play. First Edition”. Beijing, O’Reilly.
[2] Radford Alec et al. 2019. “Language Models are Unsupervised Multitask Learners”
[3] OpenAI. 2021. „DALL·E: Creating images from text”, accessed: 22.05.2023, https://openai.com/research/dall-e.
[4] Romero Alberto. 2021. “GitHub Copilot — A New Generation of AI Programmers”. Towards Data Science, accessed: 22.05.2023, https://towardsdatascience.com/github-copilot-a-new-generation-of-aiprogrammers-327e3c7ef3ae.
[5] Hiken Asa. 2023. “How generative AI is creating custom content in email marketing”.AdAge, accessed: 22.05.2023, https://adage.com/article/digital-marketing-ad-tech-news/how-generative-ai-creating-custom-content-email-marketing/2475106.
[6] Kaliakatsos-Papakostas Maximos, Floros Andreas, Vrahatis Michael N.2020. “Artificial intelligence methods for music generation: a review and future perspectives” in Nature-Inspired Computation and Swarm Intelligence. Academic Press. 217-245.
[7] Deveau Richelle, Joseph Griffin Sonia, Reis Steve. 2023. „AI-powered marketing and sales reach new heights with generative AI”. McKinsey & Company, accessed: 22.05.2023, https://www.mckinsey.com/capabilities/growth-marketing-andsales/our-insights/ai-powered-marketing-and-salesreach-new-heights-with-generative-ai.
[8] Samiullah M., Albrecht D., Nicholson A. E., Ahmed, C. F. 2022. „A Review on Probabilistic Graphical Models and Tools”. Dhaka University Journal of Applied Science and Engineering, 6(2), 82–93.
[9] Goodfellow Ian. et al. 2014. „Generative adversarial nets”. Advances in neural information processing systems, 2672–2680.
[10]Van den Oord Aaron. et all. 2016. “Pixel Recurrent Neural Networks” Proceedings of the 33rd International Conference on Machine Learning.
[11]Van den Oord Aaron. et all. 2016. “Conditional Image Generation with PixelCNN Decoders” 30th Conference on Neural Information Processing Systems, Barcelona, Spain.
[12]Sharm Harashit. 2017. “Auto-Regressive Generative Models (PixelRNN, PixelCNN++)” Towards Data Science, accessed: 22.05.2023, https://towardsdatascience.com/auto-regressive-generative-models-pixelrnn-pixelcnn-32d192911173.
[13]Kingma Diederik P., Welling Max. 2019. “An Introduction to Variational Autoencoders” Foundations and Trends in Machine Learning: 12 (4), 307-392.
[14]Hyunjik Kim, Andriy Mnih. 2019. “Disentangling by Factorising”. Proceedings of the 35th International Conference on Machine Learning, Stockholm, Sweden, PMLR 80, 2018
[15]Makhzani A., Shlens J., Jaitly N., Goodfellow I., Frey B. 2015. “Adversarial Autoencoders”, arXiv:1511.05644v2.
[16]Vahdat Arash, Kautz Jan. 2020. “NVAE: A Deep Hierarchical Variational Autoencoder”. 34th Conference on Neural Information Processing Systems (NeurIPS 2020), Vancouver, Canada
[17]Sherstinsky Alex. et al. 2020. “Fundamentals of Recurrent Neural Network (RNN) and Long ShortTerm Memory (LSTM) network”. Physica D: Nonlinear Phenomena, 404, 132306.
[18]Chung J. et al. 2014. “Empirical Evaluation of Gated Recurrent Neural Networks on Sequence Modeling”. NIPS 2014 Deep Learning and Representation Learning Workshop
[19]Vaswani A. et al. 2017. “Attention is all you need”. NIPS'17: Proceedings of the 31st International Conference on Neural Information Processing Systems, 6000-6010.
[20]Radford Alec, et al. 2018. “Improving Language Understanding by Generative Pre-Training”.
[21]OpenAI. “OpenAI Cookbook”, accessed: 22.05.2023, https://github.com/openai/openai-cookbook.
[22]Open AI. “Best practices for prompt engineering with OpenAI API”, accessed: 22.05.2023, https://help.openai.com/en/articles/6654000-bestpractices-for-prompt-engineering-with-openai-api.
[23]Dokumentacja Midjourney, accessed: 22.05.2023, https://docs.midjourney.com/docs/prompts.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD TELEKOMUNIKACYJNY - WIADOMOŚCI TELEKOMUNIKACYJNE- e-publikacja (pdf) z zeszytu 2023-4 , nr katalogowy 144805 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Prenumerata

PRZEGLĄD TELEKOMUNIKACYJNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

300.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - papierowa prenumerata roczna	348.00 zł brutto 322.22 zł netto 25.78 zł VAT (stawka VAT 8%)
PRZEGLĄD TELEKOMUNIKACYJNY - pakowanie i wysyłka	21.00 zł brutto 17.07 zł netto 3.93 zł VAT (stawka VAT 23%)

369.00 zł

PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD TELEKOMUNIKACYJNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	450.00 zł brutto 416.67 zł netto 33.33 zł VAT (stawka VAT 8%)

450.00 zł

Zeszyt

2023-4

Twój Koszyk

Publikacja

Prenumerata

Zeszyt

Czasopisma