生成式AI的三个关键发展是什么?	算法和架构突破(特别是Transformer架构)、大量数字训练数据、计算能力的显著提升
生成式AI的两个学习阶段分别是什么?	预训练(分析数十亿个例子中的模式)和微调(学习遵循指令并提供有帮助的回应)
生成式AI的主要能力有哪些?	跨任务的多功能性、对话意识、连接外部工具的能力
生成式AI目前的主要限制是什么?	知识截止日期、幻觉(事实不正确的输出)、上下文窗口限制、复杂推理的挑战
什么是生成式AI的"幻觉"?	生成式AI产生的事实不正确的输出
最有效的AI应用如何结合人类和AI的优势?	人类提供批判性思维、判断力、创意和伦理监督,与AI的能力相辅相成
生成式AI与传统数据分析系统的主要区别是什么?	生成式AI创建新内容(文本、图像、代码),而不仅仅是分析现有数据
生成式AI能否在没有额外训练的情况下切换不同任务?	能,现代生成式AI系统具有在不同任务间切换的能力
为什么理解生成式AI的技术基础很重要?	它改变了我们与这些系统的工作方式,帮助我们更有效地利用它们的优势和理解其局限
下一课将重点学习什么?	4D能力框架中的第一个能力:委派(Delegation),学习如何根据目标和AI能力在人与AI之间战略性地分配工作