处理

语言模型

语言模型是能够理解、解释和生成人类语言的先进 AI 系统。这些模型在海量文本数据集上进行训练，学习模式、词组、句子结构，甚至不同语言和语言习惯的微妙差异。现代语言模型的核心是 transformer 架构，利用自注意力机制来确定在给定上下文中文本的哪些部分重要。

在语言处理时，这些模型使用统计方法来预测文本中最有可能出现的下一个词或最可能的下一个句子。它们可以理解长篇文本的上下文，因此不仅能够生成语法正确、而且在内容上连贯且相关的文本。

在将语言模型用于例如聊天机器人或文本生成器时，模型会接收某些提示或初始数据，并基于这些输入生成逻辑上从给定上下文出发的文本。此类模型的目标是生成看起来尽可能像人类的文本，无论在内容还是风格上。

文本转图像模型

文本转图像模型是能够根据书面文本描述生成视觉表示的 AI 系统，例如照片、插图或其他类型的图像。这些模型使用先进的神经网络，尤其是生成对抗网络（GAN）或其变体，如扩散模型。

该过程始于用户输入的文本描述。模型评估该文本，试图理解其含义和上下文。随后，模型会根据训练期间学到的知识，利用大量的文本-图像对数据集来生成与文本描述相对应的图像。

在训练过程中，模型会学习文本描述与视觉特征之间的关联。例如，当模型多次看到词组“一个黄色的太阳在蓝色的海上”以及与之对应的图像时，它会学会在未来的图像创作中识别并再现这些元素。

结果往往是与输入文本描述高度一致、细节丰富的图像。这些模型日益精细，能够呈现包含多个对象和抽象概念的复杂场景。它们被广泛用于艺术创作、游戏设计、虚拟现实等领域。

AI-School 提供的模型

需要认识到，AI-School 提供了若干已收录于中心模型目录中的 AI 模型。这些模型由外部提供商通过 API 提供。API，或应用程序编程接口，是一组规约和定义，允许软件程序之间进行通信。它就像一种“语言”，程序能够理解并互相交换信息、调用对方的功能。AI-School 本身不提供语言模型、文本转图像模型或文本转语音模型。

我们不对各模型的结果负责。不过我们已经对教育机构偏好和最有趣的模型进行了筛选。

根据 DPIA 的处理程序

DPIA 描述了生成回答的基本程序，如下：

• 用户在 AI-School 门户输入一个 提示。
• 提示被存储在 AI-School 的数据库中。
• AI-School 通过一个 API 连接 与一个通用账户匿名地提供给选定的 AI 模型。
• AI 模型不接收个人用户的个人数据。
• AI 模型的回答返回给 AI-School。
• 回答被存储在 AI-School 的数据库中。
• 回答呈现给用户。

AI-School 不将个人用户的个人数据发送给 AI 模型。模型接收的是提示内容，而不与可识别用户关联。用户也可能在提示中自行包含个人数据；在这种情况下，这些数据可能会被所选 AI 模型处理。

额外上下文

在如将文档进行聊天、多模态输入或使用某些工具等功能中，提示还可以补充用户选择的上下文，例如文档片段、图片或搜索结果。这些上下文也会提供给模型，但不会与可识别的用户相关联；但内容可能包含用户自己添加的个人信息。