处理

语言模型

语言模型是能够理解、解释和生成自然语言的先进人工智能系统。这些模型通过在庞大的文本数据集上训练，学习语言的模式、词语组合、句子结构，甚至不同语言和语言用法的细微差别。许多现代语言模型的核心是基于Transformer架构，该架构利用自注意力机制来确定在特定上下文中哪些文本部分最为重要。

在语言处理过程中，这些模型使用统计方法预测文本中最可能出现的下一个词或下一个句子。它们能够理解长篇文本的上下文，从而不仅生成语法正确，而且内容连贯且相关的文本。

例如，在聊天机器人或文本生成器中使用语言模型时，模型会接收特定的提示或初始数据，并基于这些输入生成符合给定上下文的文本。此类模型的目标是生成尽可能接近人类写作风格和内容的文本。

文本到图像模型

文本到图像模型是能够根据书面文本描述生成视觉表现形式（如照片、插图或其他类型图像）的人工智能系统。这些模型采用先进的神经网络，特别是生成对抗网络（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，尝试理解其含义和上下文。随后，模型利用训练过程中学到的知识，基于庞大的文本-图像对数据集，生成与文本描述相符的图像。

在训练期间，模型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“黄色的太阳在蓝色的大海上方”这一词组与相应图像配对时，它会学会识别并在未来的图像生成中重现这些元素。

生成的图像通常细节丰富且准确，能够很好地对应输入的文本描述。这些模型日益精细，能够表现包含多个对象和抽象概念的复杂场景。它们广泛应用于艺术创作、游戏设计、虚拟现实等领域。

AI-School 开放的模型

需要注意的是，AI-School 开放了多个纳入中央模型目录的AI模型。这些模型由外部供应商通过API提供。API（应用程序编程接口）是一套规则和定义，使软件程序能够相互通信。它相当于程序间理解的信息交换“语言”，用于调用彼此的功能。AI-School 本身不拥有语言模型、文本到图像模型或文本到语音模型。

我们不对各模型的结果负责，但我们在为学校选择最佳且最有趣的模型方面投入了关注。

根据DPIA的处理流程

DPIA描述了生成回答的基本流程如下：

• 用户在AI-School门户输入提示。
• 提示被存储在AI-School的数据库中。
• AI-School通过API连接和一个不关联AI-School账户的通用账户，将提示发送给所选的AI模型。
• 账户和学生管理数据不会自动发送给模型。
• 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不会自动将账户和学生管理数据发送给AI模型。模型接收的是未关联AI-School账户的提示内容。用户可能在提示中自行包含了个人数据；在这种情况下，所选AI模型可能会处理这些数据。

额外上下文

在诸如与文档聊天、多模态输入或某些工具等功能中，提示可能会补充用户选择的上下文，如文档片段、图像或搜索结果。这些上下文同样以未关联可识别用户身份的方式提供给模型，但内容可能包含用户自行添加的个人数据。