所以它所做的就是接受你的问
但是，如果我告诉您我只用这张照片就可以总结 ChatGPT 的功能，该怎么办？更具体地说，这张照片的这一部分？是的，Fusion 用户，我是说 ChatGPT 只不过是一个下一个单词预测器。 现在，为了让我们理解我的意思，我们必须看得更深入一些。我们必须真正了解机器学习的作用及其工作原理。我们必须揭开 ChatGPT 的面纱，看看其中一些技术是如何产生和制造的。当我们往下看时，我们看到的就是其中之一。一个非常可爱且令人困惑的单向图。 今天我不会给你讲机器学习是如何工作的。但就像对那些知道的人的快速回顾和对那些不知道的人的介绍一样。你要做的就是一开始就输入一些数字。在 ChatGPT 的例子中，这些将代表您的查询、您刚刚输入的内容。然后它通过这些连接缓慢地穿过这个网络，这些数字将以各种方式相乘，它们将被求和，更多的数字将被添加到其中。当我们缓慢地完成时，我们到达了最后，结果就是 ChatGPT 输出的内容。 因此，机器学习，总结这一切，找到你输入的内容和应该输出的内容之间的统计联系。那么您的查询以及 ChatGPT 正在回答什么。所以它所做的就是接受你的问题，对其进行一些奇特的数学运算，然后弹出一个长句子。 所有这些魔法都发生在这里。如果我们将所有这些抽象出来，我们就会看到该输入进入我们的机器学习模型，并弹出我们的预测输出。如果我一路上失去了任何人，我还有几个例子。 因此，我们可以训练一个机器学习模型，通过给它一些有关房屋的信息来预测房屋的价格，例如房屋类型，可能是大小，位置，我们当 阿塞拜疆 手机号码数据 前所在的年份。如果它有足够的过去的例子，它就会应该能够在一定程度上准确地预测房屋的价格应该是多少。 或者，我们可以向它展示一些照片，一些猫的照片和鳄梨酱的照片。而且，我们可能会要求我们的机器学习模型来分类这是猫，还是鳄梨酱，或者我认为这是朱迪·丹奇夫人。 所有这一切都是由这个人制造的东西提供动力的。有谁知道这个人是谁？阿龙什么也没说。有人知道这个人是谁吗？艾萨克·牛顿爵士！亚伦，你什么都没有。艾萨克·牛顿爵士，或者，对于你们这些数学迷来说，还有这个人。有一些争论，一些数学戏剧，我们不确定是谁第一个真正想出这个的，而他们想出的是：微积分。 这是神奇的果汁，数学果汁，可以帮助我们训练机器学习模型。而且，为了形象化这一点，因为我发誓不在本次演讲中使用任何算法或矩阵，所以我将简单地向您展示这张图。我们在哪里得到这个统计模型，我们的数字是如何相乘的，我们的人工智能有多么错误。因此，为此，当我们向人工智能输入数据时，我们确实需要知道正确的答案应该是什么。
http://bhleads.com/wp-content/uploads/2024/02/9-300x169.png
而且，我们可以使用微积分沿着这个梯度下降，以减少错误。随着时间的推移，我们希望通过改变机器学习模型的统计模型来绘制出这个错误。我们将继续努力，直到达到某种可接受的错误水平，我的意思是，很可能不会达到零，而是在可部署性范围内。 我们执行此操作的方式是通过举例，就像之前那样。所以我们知道这些是猫，这是鳄梨酱，所以我们可以开始将其输入到我们的人工智能中。说，“当你看到这张照片时，这是一只猫”，“当你看到这张照片时，这是鳄梨酱。”一旦有了足够的例子，我们要做的就是向它展示一张以前看不见的猫的照片（这是我的猫）。而且，我们希望我们的人工智能能够以一定程度的准确性预测这确实是一只猫，而不是鳄梨酱，也不是 2019 年的一部糟糕的电影。 如果我在那里失去了任何人，就想我们采用这个随机初始化的人工智能模型，然后将其转变为高度调整、非常高质量的人工智能，可以做出一些非常好的预测。我们执行此操作的方法是使用一些训练。 现在，这是本次演讲最精彩的部分！我们已获准进入狗健身房，在那里我们将观察三只狗进行日常训练。
頁:
[1]