0°

学习 OpenAI 的「学习方法」:未来30年,如何避免被人工智能替代?

  2023年以来,GPT AI异常火爆,直接带火了人工智能AI商业化的快速发A。

  所以今天聊一聊人工智能、深度学习这个话题。

  首先,我们先回顾下近几年人工智能的几个大事件:

  (1)2016年,AlphaGo与围棋世界冠军、职业九段棋手李世石进行围棋人机大战,以4比1的总比分获胜;

  (2)2017年,阿尔法元从0开始自学,在无任何人类指导的条件下,自学围棋,并以100:0的战绩击败–阿尔法狗。

  (3)2020年,AI在疫情中获得广泛应用,推动了人工智能在医疗领域的应用,包括数据分析、诊断和药物研发。人工智能成为了全球抗疫的重要工具之一。

  (4)2023年,GPT模型发布:OpenAI 提出的GPT模型是近年来最重要的自然语言处理技术之一,它采用了大规模预训练模型的方法,并使用Transformer模型进行语言生成,已经被广泛应用于聊天机器人等自然语言处理领域。

  本文不聊AI如何影响我们的生活,这个其他博主都会涉及的话题。

  我们主要聊一聊AI能够快速学习知识、运用知识背后的原理和方法。

  全文3100字,非常干货,建议点赞收藏后反复观看!

  什么是深度学习?

  深度学习,是当前人工智能领域机器学习最热门的一种方法。

  通过利用算法,模拟人脑神经网络的工作原理来进行学习和模式识别一种技术和方法。

  它通过多层神经网络进行自动化的数据抽象和特征提取,从而实现对大规模数据集的训练和预测。

  深度学习的核心是利用大量的数据和强大的计算能力来训练模型,使其能够自动发现和学习数据中的模式和关联。

  深度学习在图像和语音识别、自然语言处理、推荐系统等领域都取得了显著的成果。

  ChatGPT是深度学习在对话系统领域的一个具体应用,它利用深度学习的技术来构建一个能够理解和生成自然语言对话的模型。

  现在很多人在利用ChatGPT技术进行聊天、搜索、学习、写作、剪辑视频等,用法都玩出了花儿来了。

  只要指令清晰、算力足够,AI可以帮助人类做大量的工作,效率也比人类高太多了。

  AI学习不需要任何人类的旧有经验,直接从互联网上获取信息和知识,不被人类的认知所局限,而且能够发现新的知识,发现新的策略。

  而且极度理性,能够从全局的入手思考,不受任何思维定势的思考,决策完全按照数据去做,这才是其可怕之处。

  如果抛弃道德、伦理,AI几乎可以帮助我们做任何决策。

  但是很有意思的是,深度学习深度学习背后的一套学习知识的逻辑,来源于人类实践,是通过模仿人类的思维方式来发展起来的。

  这套学习逻辑,才是本文需要重点给你介绍的。

  深度学习给我们的启发

  (1)全面思考,理性,不要过度计较一时得失

  要做到这一点,做判断的时候就要尽量排除心态和思维定式的干扰。

  其实心态和思维都是可以训练的,我下面就和大家分享一个真实的小故事。

  证券公司的操盘手,刚开始训练的时候会做一个模拟的系统练习。

  给你 100 万美金,要求你在一个星期内把它全部输光,如果全输光了则胜利,如果没有输光或者赚钱了,就输了。

  看上去这个很荒唐,但是其实它的背后是有深意的。

  这种训练的目的就是为了锻炼人的心态,让他们不过多的受情绪的干扰,而且可以时不时的用另外一种角度来看待自己的判断和行为。

  (2)经验、知识互相分享

  深度学习给我们的第二个启发是分享。

  传统的机器学习之所以效率不如深度学习,很大程度上是因为它的每一个组件也叫神经元,都是各自学习的。

  在深度学习当中,从数据中学到的经验可以共享,从而可以提高学习的效率。

  在我们的生活中也是这样的,把经验和理解相互影响,相互分享,而不是各自孤军奋战,思考和学习的效率就会提高很多。

  (3)反馈和反思

  深度学习给我们的第三个启发是反馈,对于我们来讲就是反思。

  深度学习这个词是 2006 年才被提出来的,但是与之相类似的原理其实并不新,上个世纪七八十年代的时候,他就兴起过一段时间,只不过那个时候人们管它叫做神经网络。

  当时兴起的时候,人们觉得这种技术很有前途,但是不久之后就发现它有一个严重的缺陷,那就是他不能直接自己进行学习和优化。

  所有的内容都需要人做大量的加工之后再交给他算法才能理解。

  因为这个原因,当时一度很火的技术渐渐的就无人问津了。

  深度学习后面再度兴起,恰恰是解决了这个问题。

0 条回复 A 作者 M 管理员
    所有的伟大,都源于一个勇敢的开始!
欢迎您,新朋友,感谢参与互动!欢迎您 {{author}},您在本站有{{commentsCount}}条评论