以下是逐句的中英文字幕内容：
**00:18-03:96**
- 英文：hello and welcome to introduction to generative ai.
- 中文：大家好，欢迎来到生成式人工智能介绍课程。
**06:71-13:64**
- 英文：and i am the artificial intelligence technical curriculum developer here at google cloud.
- 中文：我是谷歌云的人工智能技术课程开发者。
**14:68-15:36**
- 英文：in this course.
- 中文：在本课程中。
**15:36-18:26**
- 英文：you learn to define generative ai.
- 中文：你将学习定义生成式人工智能。
**18:46-20:66**
- 英文：explain how generative of ai works.
- 中文：解释生成式人工智能是如何工作的。
**21:70-23:80**
- 英文：describe generative ai model types.
- 中文：描述生成式人工智能模型类型。
**23:80-27:58**
- 英文：and describe generative ai applications.
- 中文：并描述生成式人工智能的应用。
**28:44-35:32**
- 英文：generative ai is a type of artificial intelligence technology that can produce various types of content.
- 中文：生成式人工智能是一种人工智能技术，可以生成各种类型的内容。
**36:36-37:43**
- 英文：including text.
- 中文：包括文本。
**41:00-48:35**
- 英文：but what is artificial intelligence well since we are going to explore generative artificial intelligence. let's provide a bit of context. so two very common questions asked are what is artificial intelligence. and what is the difference between ai and machine learning.
- 中文：但是什么是人工智能呢？既然我们要探索生成式人工智能，那就让我们提供一些背景信息。有两个非常常见的问题，即什么是人工智能？以及人工智能和机器学习之间的区别是什么？
**48:35-51:09**
- 英文：let's provide a bit of context.
- 中文：让我们提供一些背景信息。
**51:09-55:65**
- 英文：so two very common questions asked are what is artificial intelligence. and what is the difference between ai and machine learning.
- 中文：有两个非常常见的问题，即什么是人工智能？以及人工智能和机器学习之间的区别是什么？
**55:65-61:04**
- 英文：one way to think about it is that ai is a discipline like like physics. for example. ai is a branch of computer science that deals with the creation of intelligent agents. which are systems that can reason and learn and act autonomously. essentially. ai has to do with the theory and methods to build machines that think and act like humans.
- 中文：一种思考方式是，人工智能就像物理学一样是一门学科。例如，人工智能是计算机科学的一个分支，涉及智能体的创建。智能体是能够推理、学习和自主行动的系统。从本质上讲，人工智能与构建像人类一样思考和行动的机器的理论和方法有关。
**61:50-66:86**
- 英文：one way to think about it is that ai is a discipline like like physics. for example.
- 中文：一种思考方式是，人工智能就像物理学一样是一门学科。例如。
**66:86-67:46**
- 英文：ai is a branch of computer science that deals with the creation of intelligent agents.
- 中文：人工智能是计算机科学的一个分支，涉及智能体的创建。
**68:58-74:50**
- 英文：which are systems that can reason and learn and act autonomously.
- 中文：智能体是能够推理、学习和自主行动的系统。
**74:50-79:39**
- 英文：essentially. ai has to do with the theory and methods to build machines that think and act like humans.
- 中文：从本质上讲，人工智能与构建像人类一样思考和行动的机器的理论和方法有关。
**80:58-89:48**
- 英文：in this discipline we have machine learning. which is a subfield of ai. it is a program or system that trains a model from input data. the trained model can make useful predictions from new or never before seen data. drawn from the same one used to train the model. machine learning gives the computer the ability to learn without explicit programming.
- 中文：在这个学科中，我们有机器学习。它是人工智能的一个子领域。它是一个从输入数据中训练模型的程序或系统。经过训练的模型可以从新的或从未见过的数据中做出有用的预测。这些数据来自用于训练模型的相同数据。机器学习使计算机能够在没有显式编程的情况下进行学习。
**90:20-92:88**
- 英文：in this discipline we have machine learning.
- 中文：在这个学科中，我们有机器学习。
**92:88-95:43**
- 英文：which is a subfield of ai.
- 中文：它是人工智能的一个子领域。
**95:43-100:03**
- 英文：it is a program or system that trains a model from input data.
- 中文：它是一个从输入数据中训练模型的程序或系统。
**100:04-105:86**
- 英文：the trained model can make useful predictions from new or never before seen data.
- 中文：经过训练的模型可以从新的或从未见过的数据中做出有用的预测。
**105:86-109:60**
- 英文：drawn from the same one used to train the model.
- 中文：这些数据来自用于训练模型的相同数据。
**110:04-116:16**
- 英文：machine learning gives the computer the ability to learn without explicit programming.
- 中文：机器学习使计算机能够在没有显式编程的情况下进行学习。
**116:40-121:82**
- 英文：two of the most common classes of machine learning models are unsupervised and supervised.
- 中文：机器学习模型中最常见的两类是无监督学习和有监督学习。
**121:82-123:58**
- 英文：ml models.
- 中文：机器学习模型。
**123:72-129:30**
- 英文：the key difference between the two is that with supervised models we have labels. data that comes with a tag. like a name. a type or a number unlabeled data is data that comes with no tag.
- 中文：两者之间的关键区别在于，对于有监督模型，我们有标签。带有标签的数据，比如一个名称、一种类型或一个数字。无标签数据是没有标签的数据。
**131:18-132:90**
- 英文：this graph.
- 中文：这个图表。
**132:90-134:02**
- 英文：is an example of the sort of problem that a supervised model might try to solve.
- 中文：是有监督模型可能试图解决的那种问题的一个例子。
**134:02-135:14**
- 英文：for example.
- 中文：例如。
**135:14-139:56**
- 英文：let's say you are the owner of a restaurant. you have historical data of the bill amount. and how much different people tipped based on order type. whether it was picked up or delivered in supervised. learning the model learns from past examples to predict future values.
- 中文：假设你是一家餐厅的老板。你有账单金额的历史数据，以及不同的人根据订单类型给的小费金额。无论是自取还是外卖，在有监督学习中，模型从过去的例子中学习以预测未来的值。
**140:50-141:22**
- 英文：and in this case.
- 中文：在这种情况下。
**141:22-146:14**
- 英文：so here the model uses a total build amount to predict the future chip amount. based on whether an order was picked up or delivered.
- 中文：所以在这里，模型使用总账单金额来预测未来的小费金额，基于订单是自取还是外卖。
**146:14-147:08**
- 英文：this.
- 中文：这个。
**147:08-148:75**
- 英文：is an example of the sort of problem.
- 中文：是那种问题的一个例子。
**148:75-151:96**
- 英文：that an unsupervised model might try to solve.
- 中文：无监督模型可能试图解决的问题。
**152:20-156:07**
- 英文：and then group or cluster employees to see whether someone is on the fast track.
- 中文：然后对员工进行分组或聚类，看看是否有人处于快速发展轨道上。
**156:07-160:34**
- 英文：unsupervised problems are all about discovery about looking at the raw data. and seeing if it naturally falls into groups.
- 中文：无监督问题都是关于发现，查看原始数据，看看它是否自然地分成组。
**161:49-164:57**
- 英文：let's get a little deeper and show this graphically. as understanding. these concepts are the foundation for your understanding of generative ai in supervised learning testing.
- 中文：让我们更深入一点，以图形方式展示。作为理解，这些概念是你理解有监督学习测试中的生成式人工智能的基础。
**164:57-166:02**
- 英文：data values or x are input into the model.
- 中文：数据值或 x 被输入到模型中。
**166:02-167:22**
- 英文：the model outputs a prediction.
- 中文：模型输出一个预测。
**167:22-172:20**
- 英文：and compares that prediction to the training data used to train the model.
- 中文：并将该预测与用于训练模型的训练数据进行比较。
**172:20-176:24**
- 英文：if the predicted test data values and actual training data values are far apart. that's called error.
- 中文：如果预测的测试数据值和实际训练数据值相差很远，那就是误差。
**176:81-177:21**
- 英文：this.
- 中文：这个。
**177:21-178:75**
- 英文：is an example of the sort of problem.
- 中文：是那种问题的一个例子。
**178:75-181:96**
- 英文：that an unsupervised model might try to solve.
- 中文：无监督模型可能试图解决的问题。
**185:08-190:72**
- 英文：and then group or cluster employees to see whether someone is on the fast track.
- 中文：然后对员工进行分组或聚类，看看是否有人处于快速发展轨道上。
**191:06-196:94**
- 英文：unsupervised problems are all about discovery about looking at the raw data. and seeing if it naturally falls into groups.
- 中文：无监督问题都是关于发现，查看原始数据，看看它是否自然地分成组。
**196:94-200:42**
- 英文：let's get a little deeper and show this graphically.
- 中文：让我们更深入一点，以图形方式展示。
**201:49-204:57**
- 英文：as understanding.
- 中文：作为理解。
**204:57-214:08**
- 英文：these concepts are the foundation for your understanding of generative ai in supervised learning testing.
- 中文：这些概念是你理解有监督学习测试中的生成式人工智能的基础。
**214:08-217:82**
- 英文：data values or x are input into the model.
- 中文：数据值或 x 被输入到模型中。
**217:82-220:32**
- 英文：the model outputs a prediction.
- 中文：模型输出一个预测。
**220:32-225:46**
- 英文：and compares that prediction to the training data used to train the model.
- 中文：并将该预测与用于训练模型的训练数据进行比较。
**225:78-232:84**
- 英文：if the predicted test data values and actual training data values are far apart. that's called error.
- 中文：如果预测的测试数据值和实际训练数据值相差很远，那就是误差。
**232:84-234:45**
- 英文：and the model tries to reduce this error until the predicted and actual values are closer together.
- 中文：模型会尝试减少这个误差，直到预测值和实际值更接近。
**234:45-241:28**
- 英文：this is a classic optimization problem.
- 中文：这是一个经典的优化问题。
**241:62-245:18**
- 英文：now that we've explored the difference between artificial intelligence and machine learning. and supervised and unsupervised learning. let's briefly explore where deep learning fits as a subset of machine learning methods.
- 中文：既然我们已经探讨了人工智能和机器学习之间的区别，以及有监督学习和无监督学习。现在让我们简要探讨深度学习作为机器学习方法的一个子集的位置。
**245:63-250:33**
- 英文：while machine learning is a broad field that encompasses many different techniques.
- 中文：虽然机器学习是一个广泛的领域，涵盖了许多不同的技术。
**250:33-253:72**
- 英文：deep learning is a type of machine learning that uses artificial neural networks.
- 中文：深度学习是一种使用人工神经网络的机器学习。
**253:82-259:90**
- 英文：allowing them to process more complex patterns than machine learning. artificial neural networks are inspired by the human brain. they are made up of many interconnected nodes or neurons. that can learn to perform tasks by processing data and making predictions.
- 中文：使它们能够处理比机器学习更复杂的模式。人工神经网络受人类大脑的启发。它们由许多相互连接的节点或神经元组成。可以通过处理数据和进行预测来学习执行任务。
**260:61-264:80**
- 英文：while machine learning is a broad field that encompasses many different techniques.
- 中文：虽然机器学习是一个广泛的领域，涵盖了许多不同的技术。
**265:00-269:12**
- 英文：deep learning is a type of machine learning that uses artificial neural networks.
- 中文：深度学习是一种使用人工神经网络的机器学习。
**270:12-273:76**
- 英文：allowing them to process more complex patterns than machine learning.
- 中文：使它们能够处理比机器学习更复杂的模式。
**274:20-277:72**
- 英文：artificial neural networks are inspired by the human brain.
- 中文：人工神经网络受人类大脑的启发。
**277:74-281:66**
- 英文：they are made up of many interconnected nodes or neurons.
- 中文：它们由许多相互连接的节点或神经元组成。
**281:66-287:37**
- 英文：that can learn to perform tasks by processing data and making predictions.
- 中文：可以通过处理数据和进行预测来学习执行任务。
**287:37-290:61**
- 英文：deep learning models typically have many layers of neurons.
- 中文：深度学习模型通常有许多层神经元。
**290:61-296:56**
- 英文：which allows them to learn more complex patterns than traditional machine learning models.
- 中文：这使它们能够学习比传统机器学习模型更复杂的模式。
**296:56-300:60**
- 英文：and neural networks can use both labeled and unlabeled data.
- 中文：并且神经网络可以使用有标签和无标签的数据。
**300:60-305:14**
- 英文：this is called semi supervised learning in semi supervised learning.
- 中文：这在半监督学习中被称为半监督学习。
**305:14-309:06**
- 英文：a neural network is trained on a small amount of labeled data.
- 中文：神经网络在少量有标签数据上进行训练。
**309:06-31
