大模型的火爆始于OpenAI推出的ChatGPT，自此之后，众多公司相继推出了自己的大模型。所谓大模型，就是那些通过海量数据训练出来的巨型语言模型。这些模型得益于深度神经网络强大的数据处理和建模能力，能够处理上百个TB的文本数据——相当于家用电脑硬盘容量的上百倍，基本上把人类的主要知识领域都学了个遍
身处现代社会，天气预报的重要性显而易见。出门上班前查看天气，判断是否需要带伞；旅行前了解目的地的天气，来决定带什么衣物。传统上，人们大多是依据一些直观经验来预测天气。比如，“日晕三更雨，月晕午时风”，是说日晕预示着夜晚会下雨，月晕则预示着午后会刮风；“雨后东风大，来日雨还下”，表示东风在雨后增强预示
首先，人工智能是一门应用科学，是用来解决某一方面事情的。具体来说，它旨在让机器拥有人的某些能力，从而帮助我们做事，比如查资料、做翻译，甚至化身机器人参与火场救人、地震救灾等等。从这个角度看，人工智能似乎只是少数人工智能专家的事：他们去研究这些技术，我们等着用就好了。
随着人工智能技术的不断进步，“语音安防”逐渐走进了公众视野。所谓语音安防，是指利用人的声音进行智能预警的技术。举例来说，独居在家的老人在摔倒时往往面临极大的风险。如果机器能够通过识别老人的声音来触发呼救，这将挽救老人的生命。此外，中小学霸凌现象会给孩子的成长带来心理和身体上的巨大伤害，如果在霸凌现场
最近，AI生成技术引起热议。例如，我们向人工智能系统（例如，DALL-E）描述希望看到的景象，比如“在土星上穿着太空服的海豚”，系统可以生成出极具科幻感的图片。 图1. DALL-E 生成的“在土星上穿着太空服的海豚” 这些神奇图片的背后是一种称为扩散模型（diffusion model）<
很多人工智能算法可以被归结为一个优化任务。以识别红绿灯为例，我们可以设计一个识别器，在看到红灯时输出较小的分数，而在看到绿灯时输出较大的分数。基于这样的设计，我们可以根据识别器输出的分数来判断是红灯还是绿灯了。
在机器视觉领域，有一类称为“目标检测”的任务，其目的是从一张图片中检测出行人、汽车、建筑物等目标，并把它们框出来，打上相应的类别标签。 在实际应用场景中，一张照片中可能出现多个目标，每个目标的类型、位置和大小都有所差异。那么，如何把这些目标全部有效地检测并标识出来呢？ 一种方式是在图片上使用不同大小
在第117期中，我们了解到自编码器是一种两头宽中间窄，形状如哑铃的神经网络。这一网络的学习目标是在输出端还原输入数据，如图1所示。由于网络中间的瓶颈层比较窄，使得仅有那些最重要的信息才会在编码z中保留下来。因此，自编码器常用于提取数据中的关键信息。 图1. 自编码器 事实上，瓶颈层的编码z由于维度较
最近，一款称为ChatGPT的人工智能系统火出了天际！它不仅上知天文下知地理，还可以写小说、制标书、做算数、编代码、调bug... 难怪有人惊呼，人工智能修炼成精了！ 那么，如此强大的ChatGPT是怎么炼成的呢？ 其实，它背后的原理并不神秘。故事还得从语言模型说起。语言模型是一项古老的技术，比如我
如何让机器学会生成一幅逼真的图片呢？2014年，Goodfellow给出了一种称为对抗生成网络 (GAN) 的方法[1]，瞬间燃爆网络。 图1. 机器学会画画 我们还是先举个例子来铺垫一下。假设有那么一对师生，老师和学生水平都一般，但是学生有一个很强烈的梦想：要成为达芬奇那样的大画家。于是，这个勤奋
机器学习里常见的方法是监督学习：对数据进行人为标注，再把这些数据喂给机器，机器就会像人一样对未知数据进行分类和预测。 监督学习的问题在于标注的成本高，而且极为耗时。因此，人们想到无监督学习方法，这种方法不需要标注，通过观察数据样本来获知某些规律，再利用这些信息来帮助监督学习。一个例子是当我们看到很多
深度学习发展起来以后，序列到序列建模成为很多任务的基本方案，如机器翻译、语音识别、语音合成、问答和对话等。序列到序列建模将输入序列用编码器压缩成一个固定维度的向量，再由一个解码器生成目标序列。如下图所示。 序列到序列模型虽然简洁，但有一个很大的问题，就是当输入序列很长时，往往很难生成合理的目标序列。
