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人工智能系统。这些模型在海量文本数据集上进行训练，学习模式、词语搭配、句子结构，甚至不同语言和语言使用的细微差别。许多现代语言模型的核心是 transformer 架构，它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单词或下一个句子。它们能够理解长文本的上下文，因此不仅能够生成语法正确的文本，还能够生成语义连贯、相关的文本。
在使用语言模型（例如聊天机器人或文本生成器）时，模型会被赋予某些提示或初始数据，并基于该输入生成逻辑上从所给上下文中延续的文本。该模型的目标是生成尽可能像人类的文本，无论在内容还是风格上。
文本到图像模型
文本到图像模型是能够从书面文本描述中生成视觉表示的 AI 系统，例如照片、插图或其他类型的图像材料。这些模型使用先进的神经网络，具体来说使用生成对抗网络（GAN）或其变体，如扩散模型。
过程从用户输入的文本描述开始。模型评估该文本并尝试理解其含义与上下文。随后，模型根据训练时学到的知识，利用大量文本-图像对数据集，生成与文本描述相符的图像。
在训练过程中，模型学习文本描述与视觉特征之间的关联。例如，当模型反复看到短语“一个黄太阳在蓝色海洋上方”以及与之对应的图像时，它会学习在未来的图像创作中识别并再现这些元素。
结果通常是相当准确且细节丰富的图像，与所输入的文本描述相吻合。这些模型在艺术创作、游戏设计、虚拟现实等广泛应用中日益精进，能够呈现包含多个对象和抽象概念的复杂场景。
AI-Public 暴露的模型
需要意识到，AI-Public 暴露多种由大型科技公司提供的 AI 模型，通过 API 提供。API（应用程序编程接口）是一组规则和定义，允许软件程序相互通信。它像一种“语言”，被程序理解以交换信息并调用彼此的功能。AI-Public 本身不具备语言模型或文本到图像模型。
我们对各模型的结果不承担责任。同时，我们对企业使用的最佳且最有趣的模型进行了筛选。
处理过程
为生成回答，遵循以下步骤：
- 用户提出一个 提示词（prompt）。
- 前端网页应用将其与活跃对话相关联，并添加状态为 "Initialiseren"（初始化） 的聊天消息。
- 在 AI-Public 的服务器上，通过添加聊天消息触发一个 函数。
- 聊天消息的状态被设为 "Verwerken"（处理中）。
- 在选择带有文档的聊天时，服务器先向 Firestore 向量数据库 请求以从文档中选取文本。
- 服务器再通过一个 API 连接 将请求发送到选定的语言模型。
- 如果开启了 流式传输，则在每接收 10 个区块后保存消息，在收到 100 个区块后再保存一次。
- 一旦整个回答接收完毕，状态将设为 "Afgerond"（完成）。
- 前端应用将 在每次数据库更新后刷新。
- 发现错误时，状态将设为 "Error"，并显示错误信息。
我们不会在每次 API 请求中发送个人数据。然而，用户可能已经在提示词或上传的文档中包含了个人数据。
