2023年当属于AI元年，若干年后，我们回首往日，可能会发现AI如同是当初的蒸汽、电力、计算机、互联网一般，打开了一个新的时代。
当然，现在的AI还没有到通用人工智能（AGI），而只是通过机器学习训练的神经网络系统，即和人脑的神经网络一样，通过大量的信息输入自己去琢磨出一些规则来。
AI神经网络分为两部分：训练和推理。一个未经训练的AI只有搭建好的网络结构和几万甚至几亿的参数，训练就是给他喂大量素材，每个素材进去，都会在这个网络中过一遍，然后各个参数的权重也会调整一遍，这个过程就是机器学习。等到训练得差不多了，所有的参数就固定下来了，这个模型就确定了，然后就可以让它对新的问题进行推理。
比如ChatGPT，我们在使用它的时候，其实是使用它的模型进行推理，但是并不会改变它这个模型。
记得之前有个热搜是我在抖音上训练AI，说得就是抖音通过AI算法会给用户推荐很多娱乐的内容，那用户就会故意AI对抗，你推荐的我偏不看，我只搜索我想要看的，通过我的搜索来训练一个针对我的抖音推荐AI出来。这个呢，说的是AI如果发现我是一个贪玩的人，就会给我推荐很多玩乐的内容，而我又被这个玩乐的内容吸引，变成了更加贪玩的人，而AI也更加验证了自己的算法，就会更疯狂的给我推荐一些玩乐内容，有一种互相训练的意味。
神经网络非常消耗算力，最早AI训练的算力增长是符合摩尔定律的，大约每20个月翻一番，随着深度学习的出现，AI训练的算力变成了每6个月翻一番，而从2012年起，openAI的AI模型训练算力达到每3-4个月翻一番。
目前三种最流程的神经网络算法是：监督学习、无监督学习和强化学习。
监督学习是输入提前标记好的训练集，比如这个图片是什么，那个图片是什么，都是有标准答案的素材，然后将大量的这样的素材喂给AI训练，然后让神经网络自己得出一些规则。
无监督学习则是不需要对素材做人工标记，只管喂给AI大量的素材，然后让AI看得足够多，然后自动发现其中的规律和联系。比如淘宝推荐商品的算法就是无监督学习，AI不关心你想要买什么样的商品，它只是发现和你买了同样商品的人也会买其他的商品，就推荐给你。
强化学习则是针对一个动态的环境中，AI每执行一个动作都会获得反馈。比如Alphago下棋，每走一步都要评估这一步是提高了胜率还是降低了胜率，然后再不断的调整自己。自动驾驶也是强化学习，即对每个动作都要计算这个动作的结果。
GPT的全称是「生成式预训练变换器（Generative Pre-trained Transformer）」，这可以拆分成几个词，第一个生成式指的是生成性神经网络技术，特点是根据你输入的内容可以生成一个结果，可以是一段话，一篇文章，一幅画等等，预训练则是说前期做了大量的针对性的训练，而变换器则是指的处理自然语言的AI技术transforme，它能更好的发现词语与词语的关系，比如孙悟空和唐僧是师徒关系，孙悟空和金箍棒是使用关系。
所有的AI都是大数据训练的结果，AI质量的好坏很大程度上取决于训练素材的质量和数量，这也是为什么很多人普遍会觉得英文GPT要比中文GPT更聪明一点。
网友评论