- 博客(5)
- 收藏
- 关注
RSS订阅原创 人工智能时代下，人的主观能动性尤为重要
现在，需要了解某一部分知识，或者做某一部分工作，只需要在输入框把自己的需求输入进去，大模型就能输出足量的答案，还能针对答案进行长对话交流。即使大模型能解决问题，甚至解决的更好，但把问题描述出来，发号施令是人的主观能动性行为，大模型做出来的方案人也可以很快学会并在此基础上进行相应的联想改进。当时的书信量急剧减少，邮差的工作量也相应的大大减少。人工智能想突破这一层次还需要一段时间，这段时间内，我们可以利用人工智能帮助解决琐碎工作，把自己的时间解放出来，深入思考下一步该怎么走，人人思考的时代，就是进化的时代。
2024-12-21 17:13:50
820
原创 强化微调——逐步向传统教育靠拢
既然目标是做出超越人类的智能，应该放弃普通人的思维模式，直接从“天才”入手，在院里还不明朗的情况下先模仿，行动与理论同步推进。我在这里说得更大胆一些，如果不是前期训练的数据量太大加训练成本太高，很可能他们会选择训练一部分数据然后强化微调一下，以此往复。就和训练动物一样，跟着指令做对了给个好吃的，做错了就没有奖励，逐步建立对指令的服从性。其实就是两个传统训练方式的组合，微调逐步改进大模型，强化学习保证大模型走在正确的学习路线上。当然这些都是一个普通人的妄言，如果有更专业的想法，欢迎评论留言。
2024-12-12 17:28:18
126
原创 关于目前大模型商业化的思考
在这些领域，大模型主要扮演的是搜索引擎的角色，把相关知识点的文献并列陈述，而不需要进行二次处理。在文字剧情类游戏开发中，甚至可以直接训练一个体量较小的模型，在外套一个壳就能包装成一个游戏，减小开发成本。有这些缺点，而且暂时无法避免，总不能作废大模型。工业界绘图、建模一般有规律可循，遵守规章比较多，可以使用大量数据训练，模型跑出结果后只需工作人员复审一遍即可，大大节约人力。目前大模型是建立在语言理解与语言文档之上的，表现出来的特点是回答有迹可循，较为规范，但是缺点也很明显，表现为泛化能力不足与逻辑混乱。
2024-12-04 22:00:07
179
原创 AI下一步——语言智能转向空间智能
发现没有，我们现在的大模型，不论是大模型对话，AI绘图，还是sora，都是纯文本交流。AI接收到的信息太少，知识库里的知识也不够多，所以表现出来了泛化能力弱，逻辑推理能力不强这些缺点。”现在已经到了“纸上得来”的地步，想“绝知”，就需要“躬行”了——采集更多的能承载信息的元素。等到空间智能发展出来，AI睁眼看世界，接收到并理解了数百万倍于语言的信息时，存在于科幻小说中的人工智能就能问世了吧。她的演讲中提到了生物进化至今，能产生智能很大一部分原因是能感受到光，有了视觉，对空间有感知造就了智能的发展。
2024-12-04 11:07:02
643
原创 豆瓣Top250电影信息海报爬虫
前些时候老师布置了一个小作业，让爬取豆瓣top250电影的相关信息，把每一部电影的信息以txt文本保存，并下载电影海报图片，一部电影创建一个文件夹。代码编写分为如下几步1.创建文件夹（我是在D盘先创建了一个文件夹）print("开始创建文件夹……")for r in range(250): v_foleder="D://豆瓣top250" Vname_list=os.lis...
2020-02-28 17:09:16
1460
1
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