浅谈人工智能

想象一下，我们在阅读一段话时，不仅理解了每个字的意思，还能记住前面的内容，理解整段话的逻辑。这种“记忆上下文”的能力，正是现代人工智能的重要突破之一，而实现这一突破的核心技术之一，就是长短期记忆网络，

从一对效率低下的兄弟翻译官，进化成一个高效协作的圆桌会议团队，再到兄弟分家、各显神通，最后其中一位凭借最通用、最强大的模式，成为了今天我们所熟知的、几乎无所不能的AI超级大脑。

transformer的“自注意力机制”关注所有内容，解决长文本理解难题，凭借并行计算的优势，成为主流大语言模型的基石，彻底推动生成式AI的爆发。

一位警察与一位假币制造者。假币制造者的制假技术很粗糙，警察一眼就能识破。但这位伪造者每次失败后都会研究警察的鉴别方法，改进自己的工艺。双方不断升级对抗，迭代自己的能力，这就是生成对抗网络的核心思想。

在RNN中，神经元（或网络单元）的输出可以被反馈到自身，形成“循环”，这使得信息可以持久化。在传统的前馈神经网络中，信息单向流动，从输入层到输出层，层与层之间的节点没有连接。

人类学习需要三样东西： 教材（数据）、 老师的方法（算法）和学习时间（算力）。机器学习需要数据（学习内容）、算法（学习方法）和算力（学习时间），数据、算法和算力即是人工智能的三座大山。

MLP就是一个“死板但勤奋的决策委员会”，专门处理“填表格、做判断”的工作。通过多层机制的固定规则进行决策，使之成为更专业模型的“最后拍板人”。

CNN就是一个通过多层、局部、共享权重的特征提取器，像流水线一样，从像素中逐步提炼出越来越抽象、越来越能代表物体本质的信息，最后完成分类或识别的智能系统。