- 博客(15)
- 收藏
- 关注
RSS订阅原创 深度学习机制篇：给AI装上“认知漏斗”
当我们目睹AI在医疗影像中识别病灶、在古老文献中还原历史、在代码世界中创造工具时，我们看到的正是这座“认知漏斗”在源源不断地将数据转化为价值，将代码转化为理解世界的新维度。它让机器学会了“看”、“听”、“读”、“理解”，甚至“创造”。每一层都自动学习输入数据的不同抽象级别的特征表示，从低级特征（边缘、纹理）逐步组合成高级特征（物体部件、完整物体、场景语义）。输出(0,1)，常用于二分类输出层。
2025-07-31 09:56:33
380
原创 一文读懂人工智能的底层逻辑（文末荐书）
工程师（算法设计师）设计管道布局（模型架构，如神经网络层数、连接方式），并通过训练调整每个阀门的开合程度（优化权重），使得水流（信息）最终能准确到达正确的目的地（输出正确结果）。应用场景： 图像识别（识别照片中的物体）、语音识别（听懂你说的话）、机器翻译（中译英）、内容生成（写文章、作画）、推荐系统（猜你喜欢）、自动驾驶（感知决策）等。核心逻辑： 模型初始化后（参数随机设置），通过“训练”过程，利用数据和优化算法，不断调整内部参数（权重），以最小化预测结果与真实值之间的差距（损失函数）。
2025-07-31 09:55:15
1601
原创 深度学习快速“进化”的背后，有一位神秘的华人女科学家
本书不仅会让你置身于人工智能风起云涌的70年历史中，亲身体会人工智能从万众瞩目到被打入“冷宫”，然后从逆势而起到再度沉沦，终成璀璨明星的曲折命运，还会让你在看过所有传奇之后，能跟随作者的思路思考人工智能的发展逻辑，看透过去，领悟出永远不变的“底层逻辑”，并用其应对充满不确定性的未来。2012年的ImageNet竞赛，让计算机学习1000万张图片，然后用15万张图片进行测试，检验各种算法的识别准确率(实际上是错误率)，在这样的大数据竞赛环境中，深度学习大放异彩，走上我们已经知晓的星光大道。
2025-07-30 14:17:11
594
原创 量大管饱！提示词优化指南
模板1：智能文档总结作为一名专业信息分析师，请分析以下内容：[插入内容]请按以下结构输出：1. 核心观点（3-5个要点）2. 关键数据或事实3. 结论与建议4. 潜在问题或争议点输出长度控制在300字以内，使用bullet points格式。适用场景：学术文献、商业报告、新闻文章的快速理解效果：将千字文档压缩为精准摘要，保留关键信息[17]模板2：多维度信息提取请从以下文本中提取信息：[插入文本]提取维度：- 时间信息：具体日期、时间段、截止时间。
2025-07-30 14:15:11
459
原创 打工人语录-鲁迅版
年轻人捧着马克杯排队时，总不忘盯着手机里跳动的消息——那蓝莹莹的光映在脸上，活脱脱是戏台子上的无常鬼。忽而念起闰土月下刺猹的钢叉，那冷冽的锋芒刺破夜色，总归带着三分活人气。而今我等手中的鼠标键盘，敲碎星辰碾落月色，却只喂肥了报表里爬行的数字。[这新时代的猹，倒比瓜田里的更刁钻些]外卖骑手在雨帘中穿梭，他们的黄袍被水汽浸得沉重，倒似古时驿卒的油衣。保洁阿姨将残叶扫进垃圾袋，那悉悉索索的声响，竟与葬仪上撒纸钱的声音莫名相似。抬眼望向窗外灰蒙蒙的天，那铁栅栏切割的景致，竟与十五年前学堂里的窗棂别无二致。
2025-03-31 18:15:21
541
原创 DeepSeek-R1提问技巧与优化策略
DeepSeek-R1的效能释放依赖于提问范式的革新。本文提出的结构化框架经实证研究显示，可使任务完成度提升58%，知识召回率提高44%，逻辑连贯性增强39%。随着模型持续迭代，交互策略将呈现更强的领域特异性，值得开发者持续探索基于参数特性的对话拓扑优化。文末推荐一本机械工业出版社的好书，教你搭配使用DeepSeek+其他AI工具，涉及到的提示词技巧也很多，干货不少。
2025-03-31 18:11:17
1023
原创 《新狂人日记——论机械文明之隐疾》
铁屋子里的同胞们又在欢呼了。他们拆下祖庙的梁木，投入熔炉铸成齿轮；将祠堂的牌位劈作柴薪，煮沸铜汁浇筑机枢。蒸汽裹挟着二进制代码在街巷间奔涌，把每张亢奋的面孔映照成诡异的青白色。这些天总见着些奇事。王举人把族谱托付给铁皮箱子，说是要"永久保存文明密码"。赵掌柜的米行里，算珠换成闪着绿光的方盒子，伙计们倒比从前更忙碌，整日对着空气作揖，说是要伺候"智能管家"。最骇人的是学堂里，老夫子们捧着算法经卷，教孩童们背诵"数据即真理"的偈语。前日路过码头，见工人们围着台会说洋文的机器打转。那铁疙瘩自称能预知风雨，却把谷雨
2025-03-14 15:29:20
409
原创 大模型5大演进方向，一起了解！
此外，随着技术的发展，也需要不断更新相关的法律法规和政策指导，以促进AI技术的健康发展和社会接受度。原理与技术（第2和3章）详细讲解大模型的构建流程、Transformer模型，以及模型微调、对齐优化、提示工程等核心技术，之后介绍了推理优化、大模型训练、大模型评估、大模型部署等拓展技术。本书由科大讯飞与中国科大的大模型的资深专家联合撰写，一本书打通大模型的技术原理与应用实践壁垒，深入大模型3步工作流程，详解模型微调、对齐优化、提示工程等核心技术及不同场景的微调方案，全流程讲解6个典型场景的应用开发实践。
2025-03-14 15:03:49
849
原创 大模型技术进化路线：迈向通用人工智能
与同等规模的Transformer架构相比，这些新架构普遍表现更佳，包括在原Transformer架构基础上进行微调的架构，基于RNN、CNN思想优化的架构，还有些架构是Transformer与RNN、CNN结合的混合架构（如微软的RetNet），以及新开发的更专业的AI架构（如GyberDemo、H2O等）。例如，通过使用较少的基础训练资源，更高效地启动多模态系统，将大规模语言模型（LLM）作为多模态大模型的先验知识和认知提升推动力，从而加强多模态模型的性能并降低计算开销。
2025-01-20 09:17:06
2204
原创 人工智能如何走向透明与可信？
大模型安全、监管与合规》一书系统归纳整理国内大语言模型监管与合规的法律框架，并详细罗列了大语言模型知识产权合规、数据合规、内容安全、算法合规、伦理安全等方面需要注意的内容，其中，在国内重点监管政策上，《暂行办法》这是世界上首部以生成式人工智能为对象的正式立法，是我国第一部也是目前唯一一部全面规范 AIGC 的具有法律效力的规范性文件。那么，从实际操作角度，应该如何探索在现有的政府和行业监管框架下，实施有效的监督和管理，以确保人工智能大模型的安全和合规？可以设置警报机制，检测模型行为，及时修复漏洞。
2025-01-09 10:41:58
514
原创 到底什么是机器学习？带你了解人工智能的硬核知识
人工智能另一个备受关注的应用方向“汽车自动驾驶”，机器学习采用各种路况下正确的驾驶操作的概率（度量P）来评价系统性能，在不同的路况的行驶过程（任务T）中，无人车是基于机器学习训练出来的模型实现自动驾驶的，而不是依赖程序员的代码编程来判断各种路况，因为程序编码几乎不可能穷举出所有的可能的路况，必须根据长期行驶的路况和操作记录的分析结果，根据人类对各种路况应对的操作经验（经验E）来修正这个驾驶模型，然后由这个模型来决定在图像、速度等传感器提供的信息下，机器应该采取什么样的驾驶操作才是正确的。
2025-01-07 17:21:14
1873
原创 AI的第三波浪潮来了，我们到底应该如何学习AI知识和使用AI工具？（关注抽粉丝送书）
注意，这里所谓的“满意”是打一定折扣的，要想尽可能接近我们的终极要求，往往需要与 AIGC 进行多轮交互。例如：我们用 GPT 生成一篇公众号文章，经过多轮交互，已经很接近我们的需求了，这时我们就可以认为已经达到了“理想”结果。另外，人类投入智力和精力生成的内容，很可能在我们不知情的情况下被服务商用作训练大模型的素材，这就会进一步加大版权风险。● 缺乏真正的创造性：AIGC 可以生成丰富的内容，但它只能根据已有的数据进行模式学习和内容生成，无法像人类一样进行真正意义上的从 0 到 1 的创造。
2024-12-26 15:40:46
831
转载 曾在北大教书，一生获得9个博士学位！一位“不务正业”的诺奖大佬
本书豆瓣评分高达9.1，针对人工智能的奠基人物、历史事件、运行原理、未来发展等四个方面等进行了详细的介绍，全面解答了我们关于人工智能所需了解的各方面问题，全文通俗易懂、逻辑清晰、语言诙谐、可读性强。1969年，司马贺因为研究人类“解决问题心理学”，提出了“手段—目的分析”的理论，对认知心理学的开创做出重要贡献而获得了美国心理学会的杰出科学贡献奖，后来还获得了美国心理学会终身贡献奖和美国心理学基金会心理科学终身成就奖。但我对我所扮演的每一种角色都是尽了力的，从而是有信誉的，这也就足够了。
2024-12-15 19:07:53
276
原创 从被斯坦福大学辞退到提出“人工智能”概念，这个人都干了什么？
他整理的卷宗为《自动机研究》。香农稍作考虑之后同意了麦卡锡的这个提议，但是他一贯低调，不喜欢使用“机器模拟智能”这类过于吸引眼球的名字，决定将这部文集定名为《自动机研究》（Automata Studies）。
2024-12-12 17:31:18
697
原创 AI时代来了，我们到底应该如何学习AI知识和使用AI工具？
注意，这里所谓的“满意”是打一定折扣的，要想尽可能接近我们的终极要求，往往需要与 AIGC 进行多轮交互。例如：我们用 GPT 生成一篇公众号文章，经过多轮交互，已经很接近我们的需求了，这时我们就可以认为已经达到了“理想”结果。另外，人类投入智力和精力生成的内容，很可能在我们不知情的情况下被服务商用作训练大模型的素材，这就会进一步加大版权风险。这类问题，从原理上不可能完全解决。AIGC 可以生成丰富的内容，但它只能根据已有的数据进行模式学习和内容生成，无法像人类一样进行真正意义上的从 0 到 1 的创造。
2024-12-12 17:27:59
2474
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人