国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

這是一份寫給非技術崗的產品經理/運營的機器學習和深度學習的簡單指南，幫助我們可以聽到技術人員的話～

在“大熱的AIGC究竟是什么”的文章中，我們聊到了人工智能以及生成式人工智能。這篇文章我們想繼續(xù)聊下兩個經常會和“人工智能”一起被提到的概念，那就是機器學習（Machine Learning）和深度學習（Deep Learning）。

一、什么是機器學習（Machine Learning）

機器學習（ML）是人工智能的一個研究領域，主要涉及開發(fā)和研究統(tǒng)計算法，這些算法可以從數(shù)據(jù)中學習，并泛化到未見過的數(shù)據(jù)，從而在沒有明確指令的情況下執(zhí)行任務。

請記一下關鍵字：學習。

機器學習到底在學什么呢？

我們在之前的文章中也有提到，機器學習的本質就是要讓機器找一個函數(shù)。我們讀書的時候都學過，y=f（x）=ax+b，其中a和b就是參數(shù)（Parameter），也就是我們要找出來的未知數(shù)。當我們找到這兩個未知數(shù)之后，我們再輸入x，自然而然就能得到y(tǒng)。是不是勾起了你讀書時的回憶了？

機器學習其實就在學習怎么自動把這些參數(shù)找出來，但是通常它的函數(shù)非常復雜，所以要找的參數(shù)量也非常大，可能是上萬個參數(shù)，可能是數(shù)十萬個參數(shù)，甚至可能更多。

那機器如何學習呢？

舉個例子：

還是用我經常用的例子，我要做一個應用，當輸入一個圖片，這個應用可以分辨出圖片里的是柯南還是新一。那我就要找一個函數(shù)，這個函數(shù)輸入是一張圖片，輸出要么是柯南，要么是新一。這個函數(shù)顯然會非常復雜，復雜到有大量的參數(shù)。假設有上萬個參數(shù)。

我們會告訴機器，輸入第一張圖，輸出是柯南，輸入第二張圖，輸出是新一……

有了這些輸入輸出，機器就可以把上萬個參數(shù)找出來，學習把上萬個參數(shù)找出來的過程，也叫做訓練（Training）。而幫助你把這上萬個參數(shù)找出來的輸入輸出，叫做訓練資料。

但當機器找到這上萬個參數(shù)后，也就意味著我們找到了這個函數(shù)。當我再輸入一張新的圖片，看看機器能不能回答對，這叫做測試（Testing）。當嘗試輸入如下圖片，機器會給出“新一”的輸出。正解！

這就是概念中所說的“泛化到未見過的數(shù)據(jù)，從而在沒有明確指令的情況下執(zhí)行任務”。因為可能機器以前也沒有見過這張圖片。

所以，如果說人工智能是一個目標，因為每個人對于機器做到什么程度才算是“智能”可能都會有自己的理解，那機器學習就是實現(xiàn)這個目標的手段。

二、什么是深度學習（Deep Learning）

深度學習是機器學習的一個分支，主要利用神經網絡執(zhí)行分類、回歸和表征學習等任務。該領域的靈感來源于生物神經科學，其核心是將人工神經元堆疊成層，并 “訓練 ”它們處理數(shù)據(jù)。形容詞 “深度 ”指的是在網絡中使用多層（從三層到數(shù)百或數(shù)千層不等）。

關鍵詞：神經網絡（Neural Network）

在今天機器學習的領域，有大量參數(shù)的函數(shù)往往會被表示成一個神經網絡，而把這些參數(shù)解出來的技術，就叫做深度學習（Deep Learning）。也就是如果你用神經網絡來表示，你就是在做深度學習。

所以，如果說機器學習是實現(xiàn)人工智能目標的手段，那深度學習是機器學習的一種，是一種更厲害的手段。

而現(xiàn)在絕大多數(shù)生成式人工智能都是用深度學習來達成的。

舉個例子，大家最耳熟能詳?shù)腃hatGPT。

如果我們把ChatGPT想象成一個函數(shù)，它的輸入是一段文字，輸出是ChatGPT給你的回復。如果要達到你問什么都可以得到不錯的回復，那背后的參數(shù)非常之巨大。我們需要準備非常非常多的輸入和輸出，才能找出這個函數(shù)里巨大量的參數(shù)。這個有大量參數(shù)的函數(shù)表示成一個神經網絡，在這個場景下會有一個專門的名字，叫Transformer，感興趣的小伙伴可以自己去學習相關的內容~