第512章 智輔的計算
藍星傾覆：我不玩遊戲全球恐慌 作者：妖嬈的蒲公英 投票推薦 加入書簽 留言反饋
第五百一十二章 智輔的計算
計算機自然也可以模擬。
通過大量的人力標注，告訴計算機哪些是斑馬線，哪些是路燈，哪些是車輛，區分人和垃圾桶。
李前能夠讀懂兩份文件，它們足夠簡練，將複雜的知識形象的展現在麵前。
這些大量的人工經驗反饋給計算機，算法進行比對，就能得出更準確答案，快速分析圖像。
此外，還能夠人工調整參數權重，以提高回答準確率。
比如計算機分析數字8。
從0-9的數字中，找出數字8。
沒有任何經驗，計算機可能給出9和6和8三個答案。
人工標注錯誤的答案，調低9和6的參數，那麽下次給出的就是準確答案。
但是，現實生活中的應用，複雜度遠不是分辨數字8那樣簡單。
從靜止的街道景物，到一張張圖片組成的動態景象，每一秒的計算量都是海量的。
無數的參數在一層又一層的計算中，不停地變化。
計算機計算的過程，產生的那些參數，對於現在的人類來說等同於黑箱，難以研究。
一旦出錯，都不知道錯在哪裏。
因而，調參是一個非常複雜重要的工作。
尤其智輔過於龐大，涉及方方麵麵。
人的大腦也是一樣。
人腦有著幾百億個神經細胞，更多的神經突觸。
大腦對人類而言，也是黑箱，思維意識的運轉自然神秘無比。
後來，櫻花國工程師，提出‘自注意力機製’。
該機製，造就了大語言模型。
使得計算機從識別圖像，邁入識別人類語言的階段。
可以回答問題，推理甚至是學習。
迄今為止，人類積累的所有知識，誕生的全部精神，抽象的數學概念等，都是用語言描述。
而語言的邊界，就是世界的邊界。
人類不了解認知之外的事情，比如可觀測宇宙之外。
宇宙之外又是什麽樣子？
因為不知道，所以無法用語言描述。
有的人讀書多，能夠組成更多的詞句，所以他思想深刻。
有的人經曆得多，麵臨過各種現實複雜問題並解決，當他遇到新的難題，快速找到問題關鍵，並想出解決之法。
可以說這個人經驗豐富，能力強。
理論而言，世界上所有的一切，都可以使用文字語言描述清楚——除非詞窮。
那麽大語言模型，是如何認知和使用人類的語言？
閱讀到了這裏，李前有點兒吃力，他開啟通天祗，請教一直靜靜等待的林朝初和張琳。
林朝初看了眼張琳，張琳道：
“大語言模型使用統計學，推算文字排列組合的概率。”
她接過李前手裏的平板，放在茶幾上進行演示。
點開瀏覽器，輸入一串文字：
‘這顆星球上最厲害的人是誰？’
“當我點下回車，算法會將這行文字，以單獨文字和符號為單位，轉化為數列，我們稱之為token，token之間以向量連接。”
向量在數學的高維中，可以用空間坐標係表示。
智能模型，輸入、計算、輸出的計算過程，分為許多個維度。
每一個維度就是一個向量空間。
模型能力，取決於向量空間和向量的數量。
以智輔為例，發展到今天，其擁有近十億個龐大向量空間，無數的向量。
“向量空間中，每個字詞都有相互距離。”
張琳進入講解模式，緊張消解，更顯專業，
“相似的詞語，在向量空間中的距離相近，比如玩家李前、遊戲、超級地震、蜃景、林宇等，人一旦接觸到相關事物，就會進行聯想。
比如有人提到今天的蜃景。
假如是國人，他大概首先想到4號蜃景，想到林宇，想到林宇的處境。
如果林宇的處境比較危險，就會想到超級地震，然後想到還有玩家李前，李前可以解決麻煩。”
客廳中，李前正襟危坐，微微蹙眉聽講解，若有所思。
林朝初麵帶微笑。
李前的反應在預料之外，張琳略略尷尬，繼續說道：
“理論來講，超級地震和林宇間的距離，肯定比你和超級地震之間的距離更近，因為在大眾認知中，異常生物消失，而李前非常強大。
林宇卻很弱，飛都不會飛，又處在充滿未知風險的大海上，隨時可能遇到危機，死亡風險大。”
“向量不止有距離，還有夾角。
角度表示向量的相似性，20個蜃景，都很相似，但已經消失的蜃景，比現存的蜃景之間夾角更大。
雖然都是蜃景，但現存的都還在，消失的已經看不到。
因而如4號、7號、12號、13號等，都相近，夾角差不多。
1號蜃景已經消失，與4號、7號的夾角更大。”
“那麽現在，我點下回車，計算開始——”
張琳手指點中屏幕上的‘搜索’，計算開始。
智輔幾乎立刻給出答案，這顆星球上最強的人是——李前，4號玩家。
“智輔計算非常快，但這個簡單問題背後其實有著非常複雜的計算過程。”
“首先拆分為token，提取關鍵詞：這顆星球，最強的人。”
“這顆星球，根據提問者的ip，判斷是藍星。最強的人，就存在很多方麵的可能性。
學習能力最強，技術最強，方方麵麵，很多的領域。
但由於我沒有限定前提，說明具體領域，智輔根據提問的頻率，民眾的普遍認知，猜測提問者大概期望回答是李前，於是給出4號玩家李前的名字。”
“前提越少，越寬泛的問題，計算過程越複雜，需要考慮到與之關係相近的幾乎全部向量，多個向量空間，智輔需要判斷所有可能性。”
“它的回答，是概率的結果。”
張琳直起身子，把平白推到李前麵前，道：
“這就是現階段，我們在人工智能方麵的研究，它方方麵麵參考了人類的神經元，思維方式等。
現今為止，智輔已經極其龐大複雜，表現出的智慧雖然虛假，但不輸任何正常人，甚至有著不俗的創造力。
服務於大眾，也能模擬出悲傷、喜悅、羨慕、極度、憤怒等等情緒，用海量的向量計算，甚至可以準確預測出人的情感與想法。
某種意義而言，智輔已經不單單是模型。
我個人認為，它可能誕生出意識——當然，這是我自己對意識的定義，智輔並不存在精神等。”
張琳說完，看著李前，長長的，輕輕的吐出口氣。
李前頓了片刻，衝她微笑點頭：
“感謝張工解惑。”
張琳騰的站起，又覺不妥，唰地坐下，連道不客氣。
隨之，李前把視線移向旁邊的林朝初。
計算機自然也可以模擬。
通過大量的人力標注，告訴計算機哪些是斑馬線，哪些是路燈，哪些是車輛，區分人和垃圾桶。
李前能夠讀懂兩份文件，它們足夠簡練，將複雜的知識形象的展現在麵前。
這些大量的人工經驗反饋給計算機，算法進行比對，就能得出更準確答案，快速分析圖像。
此外，還能夠人工調整參數權重，以提高回答準確率。
比如計算機分析數字8。
從0-9的數字中，找出數字8。
沒有任何經驗，計算機可能給出9和6和8三個答案。
人工標注錯誤的答案，調低9和6的參數，那麽下次給出的就是準確答案。
但是，現實生活中的應用，複雜度遠不是分辨數字8那樣簡單。
從靜止的街道景物，到一張張圖片組成的動態景象，每一秒的計算量都是海量的。
無數的參數在一層又一層的計算中，不停地變化。
計算機計算的過程，產生的那些參數，對於現在的人類來說等同於黑箱，難以研究。
一旦出錯，都不知道錯在哪裏。
因而，調參是一個非常複雜重要的工作。
尤其智輔過於龐大，涉及方方麵麵。
人的大腦也是一樣。
人腦有著幾百億個神經細胞，更多的神經突觸。
大腦對人類而言，也是黑箱，思維意識的運轉自然神秘無比。
後來，櫻花國工程師，提出‘自注意力機製’。
該機製，造就了大語言模型。
使得計算機從識別圖像，邁入識別人類語言的階段。
可以回答問題，推理甚至是學習。
迄今為止，人類積累的所有知識，誕生的全部精神，抽象的數學概念等，都是用語言描述。
而語言的邊界，就是世界的邊界。
人類不了解認知之外的事情，比如可觀測宇宙之外。
宇宙之外又是什麽樣子？
因為不知道，所以無法用語言描述。
有的人讀書多，能夠組成更多的詞句，所以他思想深刻。
有的人經曆得多，麵臨過各種現實複雜問題並解決，當他遇到新的難題，快速找到問題關鍵，並想出解決之法。
可以說這個人經驗豐富，能力強。
理論而言，世界上所有的一切，都可以使用文字語言描述清楚——除非詞窮。
那麽大語言模型，是如何認知和使用人類的語言？
閱讀到了這裏，李前有點兒吃力，他開啟通天祗，請教一直靜靜等待的林朝初和張琳。
林朝初看了眼張琳，張琳道：
“大語言模型使用統計學，推算文字排列組合的概率。”
她接過李前手裏的平板，放在茶幾上進行演示。
點開瀏覽器，輸入一串文字：
‘這顆星球上最厲害的人是誰？’
“當我點下回車，算法會將這行文字，以單獨文字和符號為單位，轉化為數列，我們稱之為token，token之間以向量連接。”
向量在數學的高維中，可以用空間坐標係表示。
智能模型，輸入、計算、輸出的計算過程，分為許多個維度。
每一個維度就是一個向量空間。
模型能力，取決於向量空間和向量的數量。
以智輔為例，發展到今天，其擁有近十億個龐大向量空間，無數的向量。
“向量空間中，每個字詞都有相互距離。”
張琳進入講解模式，緊張消解，更顯專業，
“相似的詞語，在向量空間中的距離相近，比如玩家李前、遊戲、超級地震、蜃景、林宇等，人一旦接觸到相關事物，就會進行聯想。
比如有人提到今天的蜃景。
假如是國人，他大概首先想到4號蜃景，想到林宇，想到林宇的處境。
如果林宇的處境比較危險，就會想到超級地震，然後想到還有玩家李前，李前可以解決麻煩。”
客廳中，李前正襟危坐，微微蹙眉聽講解，若有所思。
林朝初麵帶微笑。
李前的反應在預料之外，張琳略略尷尬，繼續說道：
“理論來講，超級地震和林宇間的距離，肯定比你和超級地震之間的距離更近，因為在大眾認知中，異常生物消失，而李前非常強大。
林宇卻很弱，飛都不會飛，又處在充滿未知風險的大海上，隨時可能遇到危機，死亡風險大。”
“向量不止有距離，還有夾角。
角度表示向量的相似性，20個蜃景，都很相似，但已經消失的蜃景，比現存的蜃景之間夾角更大。
雖然都是蜃景，但現存的都還在，消失的已經看不到。
因而如4號、7號、12號、13號等，都相近，夾角差不多。
1號蜃景已經消失，與4號、7號的夾角更大。”
“那麽現在，我點下回車，計算開始——”
張琳手指點中屏幕上的‘搜索’，計算開始。
智輔幾乎立刻給出答案，這顆星球上最強的人是——李前，4號玩家。
“智輔計算非常快，但這個簡單問題背後其實有著非常複雜的計算過程。”
“首先拆分為token，提取關鍵詞：這顆星球，最強的人。”
“這顆星球，根據提問者的ip，判斷是藍星。最強的人，就存在很多方麵的可能性。
學習能力最強，技術最強，方方麵麵，很多的領域。
但由於我沒有限定前提，說明具體領域，智輔根據提問的頻率，民眾的普遍認知，猜測提問者大概期望回答是李前，於是給出4號玩家李前的名字。”
“前提越少，越寬泛的問題，計算過程越複雜，需要考慮到與之關係相近的幾乎全部向量，多個向量空間，智輔需要判斷所有可能性。”
“它的回答，是概率的結果。”
張琳直起身子，把平白推到李前麵前，道：
“這就是現階段，我們在人工智能方麵的研究，它方方麵麵參考了人類的神經元，思維方式等。
現今為止，智輔已經極其龐大複雜，表現出的智慧雖然虛假，但不輸任何正常人，甚至有著不俗的創造力。
服務於大眾，也能模擬出悲傷、喜悅、羨慕、極度、憤怒等等情緒，用海量的向量計算，甚至可以準確預測出人的情感與想法。
某種意義而言，智輔已經不單單是模型。
我個人認為，它可能誕生出意識——當然，這是我自己對意識的定義，智輔並不存在精神等。”
張琳說完，看著李前，長長的，輕輕的吐出口氣。
李前頓了片刻，衝她微笑點頭：
“感謝張工解惑。”
張琳騰的站起，又覺不妥，唰地坐下，連道不客氣。
隨之，李前把視線移向旁邊的林朝初。