中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

這是一份寫給非技術(shù)崗的產(chǎn)品經(jīng)理/運(yùn)營的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的簡單指南，幫助我們可以聽到技術(shù)人員的話～

在“大熱的AIGC究竟是什么”的文章中，我們聊到了人工智能以及生成式人工智能。這篇文章我們想繼續(xù)聊下兩個(gè)經(jīng)常會(huì)和“人工智能”一起被提到的概念，那就是機(jī)器學(xué)習(xí)（Machine Learning）和深度學(xué)習(xí)（Deep Learning）。

一、什么是機(jī)器學(xué)習(xí)（Machine Learning）

機(jī)器學(xué)習(xí)（ML）是人工智能的一個(gè)研究領(lǐng)域，主要涉及開發(fā)和研究統(tǒng)計(jì)算法，這些算法可以從數(shù)據(jù)中學(xué)習(xí)，并泛化到未見過的數(shù)據(jù)，從而在沒有明確指令的情況下執(zhí)行任務(wù)。

請(qǐng)記一下關(guān)鍵字：學(xué)習(xí)。

機(jī)器學(xué)習(xí)到底在學(xué)什么呢？

我們?cè)谥暗奈恼轮幸灿刑岬?，機(jī)器學(xué)習(xí)的本質(zhì)就是要讓機(jī)器找一個(gè)函數(shù)。我們讀書的時(shí)候都學(xué)過，y=f（x）=ax+b，其中a和b就是參數(shù)（Parameter），也就是我們要找出來的未知數(shù)。當(dāng)我們找到這兩個(gè)未知數(shù)之后，我們?cè)佥斎離，自然而然就能得到y(tǒng)。是不是勾起了你讀書時(shí)的回憶了？

機(jī)器學(xué)習(xí)其實(shí)就在學(xué)習(xí)怎么自動(dòng)把這些參數(shù)找出來，但是通常它的函數(shù)非常復(fù)雜，所以要找的參數(shù)量也非常大，可能是上萬個(gè)參數(shù)，可能是數(shù)十萬個(gè)參數(shù)，甚至可能更多。

那機(jī)器如何學(xué)習(xí)呢？

舉個(gè)例子：

還是用我經(jīng)常用的例子，我要做一個(gè)應(yīng)用，當(dāng)輸入一個(gè)圖片，這個(gè)應(yīng)用可以分辨出圖片里的是柯南還是新一。那我就要找一個(gè)函數(shù)，這個(gè)函數(shù)輸入是一張圖片，輸出要么是柯南，要么是新一。這個(gè)函數(shù)顯然會(huì)非常復(fù)雜，復(fù)雜到有大量的參數(shù)。假設(shè)有上萬個(gè)參數(shù)。

我們會(huì)告訴機(jī)器，輸入第一張圖，輸出是柯南，輸入第二張圖，輸出是新一……

有了這些輸入輸出，機(jī)器就可以把上萬個(gè)參數(shù)找出來，學(xué)習(xí)把上萬個(gè)參數(shù)找出來的過程，也叫做訓(xùn)練（Training）。而幫助你把這上萬個(gè)參數(shù)找出來的輸入輸出，叫做訓(xùn)練資料。

但當(dāng)機(jī)器找到這上萬個(gè)參數(shù)后，也就意味著我們找到了這個(gè)函數(shù)。當(dāng)我再輸入一張新的圖片，看看機(jī)器能不能回答對(duì)，這叫做測(cè)試（Testing）。當(dāng)嘗試輸入如下圖片，機(jī)器會(huì)給出“新一”的輸出。正解！

這就是概念中所說的“泛化到未見過的數(shù)據(jù)，從而在沒有明確指令的情況下執(zhí)行任務(wù)”。因?yàn)榭赡軝C(jī)器以前也沒有見過這張圖片。

所以，如果說人工智能是一個(gè)目標(biāo)，因?yàn)槊總€(gè)人對(duì)于機(jī)器做到什么程度才算是“智能”可能都會(huì)有自己的理解，那機(jī)器學(xué)習(xí)就是實(shí)現(xiàn)這個(gè)目標(biāo)的手段。

二、什么是深度學(xué)習(xí)（Deep Learning）

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，主要利用神經(jīng)網(wǎng)絡(luò)執(zhí)行分類、回歸和表征學(xué)習(xí)等任務(wù)。該領(lǐng)域的靈感來源于生物神經(jīng)科學(xué)，其核心是將人工神經(jīng)元堆疊成層，并 “訓(xùn)練 ”它們處理數(shù)據(jù)。形容詞 “深度 ”指的是在網(wǎng)絡(luò)中使用多層（從三層到數(shù)百或數(shù)千層不等）。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)（Neural Network）

在今天機(jī)器學(xué)習(xí)的領(lǐng)域，有大量參數(shù)的函數(shù)往往會(huì)被表示成一個(gè)神經(jīng)網(wǎng)絡(luò)，而把這些參數(shù)解出來的技術(shù)，就叫做深度學(xué)習(xí)（Deep Learning）。也就是如果你用神經(jīng)網(wǎng)絡(luò)來表示，你就是在做深度學(xué)習(xí)。

所以，如果說機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能目標(biāo)的手段，那深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種，是一種更厲害的手段。

而現(xiàn)在絕大多數(shù)生成式人工智能都是用深度學(xué)習(xí)來達(dá)成的。

舉個(gè)例子，大家最耳熟能詳?shù)腃hatGPT。

如果我們把ChatGPT想象成一個(gè)函數(shù)，它的輸入是一段文字，輸出是ChatGPT給你的回復(fù)。如果要達(dá)到你問什么都可以得到不錯(cuò)的回復(fù)，那背后的參數(shù)非常之巨大。我們需要準(zhǔn)備非常非常多的輸入和輸出，才能找出這個(gè)函數(shù)里巨大量的參數(shù)。這個(gè)有大量參數(shù)的函數(shù)表示成一個(gè)神經(jīng)網(wǎng)絡(luò)，在這個(gè)場(chǎng)景下會(huì)有一個(gè)專門的名字，叫Transformer，感興趣的小伙伴可以自己去學(xué)習(xí)相關(guān)的內(nèi)容~