摘要： 序言：过拟合是人工智能训练中的一个常见问题，类似于一位“读死书”的学生，他只能机械地背诵书本内容，缺乏灵活性，一旦题目稍有变化便无法理解。为了解决这一问题，科学家们从人脑的学习方式中获得启发，设计出“随机失活”方法。在学习过程中，随机关闭部分神经元，避免神经元之间过度依赖，从而提升模型的灵活性与应变 阅读全文

摘要： （如果想及时收到人工智能相关的知识更新，请点击关注！！） 序言：目前我们每一小节的内容都讲解得非常慢，因为这是人工智能研发中的最基础知识。如果我们不能扎实掌握这些知识，将很难理解后续更复杂且实用的概念。因此，我们甚至采用一个概念一节的方式来编排内容，区分得清清楚楚、明明白白，以便大家能够非常明确地了 阅读全文

摘要： 序言：图像增强其实就是对现有图片做一些变化，让数据集看起来更多样化，减少去额外收集数据的需求。虽然从某种程度上来说，它能提高数据的质量，但严格来说它不是传统意义上的数据清洗。数据清洗的目的就是把数据里的错误、不一致或者缺失的部分给清理掉，让数据变得更干净、更好用。 图像增强 在上一节中，我们构建了一 阅读全文

摘要： 真正的障碍不是技术，而是思考的时间: 虽然像ChatGPT这样的工具确实有潜力带来变革，但我接触的大多数人几乎不用它。就算用的，也只是用来做些总结之类的小活儿。而在这些用户里，只有大约5%的人订阅了高级版，这意味着真正用AI来搞复杂任务的“高手”少得可怜。下面的内容主要来自Shopify的AI和广告 阅读全文

摘要： 上一篇：《设计卷积神经网络CNN为什么不是编程？》 序言：我们已经踏入了设计人工智能（AI）模型的大门，有一个重要概念请大家务必记住：人工智能模型 = 架构 + 特征。任何一个AI模型都是先设计出架构，再通过数据训练获得特征。整合了特征的架构才算是一个完整的人工智能模型，如果没有特征的支撑，架构本身 阅读全文

摘要： 上一篇：《搞清楚这个老六的真面目！逐层‘剥开’人工智能中的卷积神经网络（CNN）》 序言：现在让我们开始走进卷积神经网络（CNN）的世界里。和传统编程完全不同，在人工智能的程序代码里，您看不到明确的算法规则，看到的只是神经网络的配置说明。这里的代码不会像传统编程那样去具体实现每个功能。比如说，如果您 阅读全文

摘要： 前一篇：《全面解释人工智能LLM模型的真实工作原理（三）》 序言： 本节作为整篇的收官之作，自然少不了与当今最先进的AI模型相呼应。这里我们将简单介绍全球首家推动人工智能生成人类语言的公司——OpenAI的GPT模型的基本原理。如果你也希望为人类的发展做出贡献，并投身于AI行业，这无疑是一个绝佳的起 阅读全文

摘要： 前一篇：《全面解释人工智能LLM模型的真实工作原理（二）》 序言：前面两节中，我们介绍了大语言模型的设计图和实现了一个能够生成自然语言的神经网络。这正是现代先进人工智能语言模型的雏形。不过，目前市面上的语言模型远比我们设计的这个复杂得多。那么，它们到底复杂在什么地方？本节将为你详细介绍，这些模型是如 阅读全文

摘要： 前一篇：《全面解释人工智能LLM模型的真实工作原理（一）》 序言：在上一篇文章中，我们从原理上构建了一个识别“叶子”和“花朵”的神经网络，并详细讲解了它的工作过程。这包括对输入数字逐个与权重相乘后求和，加上偏置值，最后通过非线性处理和统计分布计算来得出输出。这些操作使用了简单的数学运算（乘法、加法和 阅读全文

摘要： 全面解释人工智能LLM模型的真实工作原理（一） 人工智能 #大语言模型LLM #机器学习ML #深度学习 #数据挖掘 序言：为了帮助更多人理解，我们将分成若干小节来讲解大型语言模型（LLM）的真实工作原理，从零开始，不需额外知识储备，只需初中数学基础（懂加法和乘法就行）。本文包含理解 LLM 所需的 阅读全文