以下文章仅仅是一个小白对于AI的思索，不是专业人士，也不预期有许多人看到，只是给自己的一个小记实。
假如下次友人再问我这个问题，我会这么回答。
我对AI的理解，有三种能力：
1.检索能力
2.运算能力
3.理解能力
以往的AI可能只能做到上面2种能力，但是chatgpt这个AI已经可以到达第三种能力。
以往的AI只是做到了检索能力，也就是解决知识的问题。我们知道，这世界上有无穷无尽的知识，但是他们都是作为常识一样存在的，好比白宫的墙壁是不是白色的，秦朝的第一位天子是不是秦始皇，通过检索，AI能够给我们提供这些知识的谜底，所以现在市面上许多AI都是通过这种检索能力来给我们服务，好比我们可以问AI，诸如现在几点，明天气候怎么样，或者望庐山瀑布这首诗是谁写的。这样的能力是很基础的，也是比较简单的，只要你的检索能力足够好，可以给你提供足够精准的谜底。
第二种运算能力，也就是解决有固定规则的问题。好比，解方程，下象棋，做运算，等等。这种，是指在一定规则下，能够让AI去快速的计算，得出结果，这些问题，都是有着一个固定的明确的规则的。哪怕像围棋这样有千千万万条路的可能性的游戏，它的规则也是固定的，只不过是运用到算法，算力的大小而已。所以第二种能力，运算，也就是解决有规则的问题。这个也是之前 AI是可以通过算法做到的。
而第三种能力，理解能力，之前的AI是不轻易做到的，但是chatgpt做的了，这种理解能力，就包括，对上下文语义的理解，自然语言的理解，以及在此基础上，对于已有信息知识的检索，综合运算整合，组合再给出自己理解的一套谜底。
好比，假如我们试着问AI，如何教小孩子AI的知识？
你问这个问题问你的siri， 它可能会说，我在网页上找到了这些内容，已经发送到你的手机，请查看。那么对于它来说，它仍是在做一些信息检索的事情，也就是说，可能有人问过这个问题，在网上，好比百度知道，或者知乎，它找到了相似的谜底，精确度很高的匹配，然后把这个信息发给你，让你自己看。这个也就是检索。
但是假如我们问chatgpt，它会"思索"一阵子，然后给出它的谜底，这个"思索"的过程，既包括了对你问题的理解，也继承包括了，它对已经存在的知识信息的检索，然后加工，然后运算，然后给出它自己已经“理解”了的一个谜底。
你会发现，当你问同一个问题的时候，甚至可能，每次它的回答，都是有不一样的。
这个就跟人一样，好比有人问你一个问题，你能保证两次回答的字，都是一模一样的吗。当然不是。由于每次，可能你都有自己的思索，你的表述也会不一样。
我们可以感觉到chatgpt，它有了自己的"理解"能力。
那这个理解能力是，从何而来的呢。
轻微接触过机器学习的人都知道，实在这样的人工智能，AI技术，就是在模仿人类，学习，理解的方式。以往对人工智能的练习，学习，那一套，已经满意不了，但愿人工智能像人一样为我们服务的需求了。而新的，对人工智能的练习，实在就是在模拟人，从生物学的角度，去模拟人的思索方式。人的思索，人的神经系统，是由亿万颗神经元，突触构成，每次思索，学习，都由亿万个神经细胞，电子信息传递活动来介入，而人工智能的新的练习方式，学习方式，也恰是参考了这样的结构模拟。
卷积神经网络，监视学习，非监视学习，各种方式在一起，实在就是在模拟人的神经元信息传递加工输出的方式。
而据说下一代的chatgpt5会有65quatrillion 的paremeter组成，这些参数就相当于人脑的神经元的运作，数目越多，AI越智慧，能理解的能力越强。以后AI说不定能够真正真正的以更高的水准去理解。
这当然要结合更进步的练习方式，更强盛的算法。
监视学习：
小时候，我们是如何学习的。好比第一次，我们见到玫瑰花，在花园里，可能妈妈跟我们说，这个是玫瑰花，这个粉色的也是玫瑰花，于是，我们学会了玫瑰花。后来，我们看到一束玫瑰花，我们也能认出，这是玫瑰花，我们看到书上的插画，我们也能知道这是玫瑰花，我们看到一个乐高积木玫瑰花，我们也能认出这是玫瑰花。人类咋就这么智慧呢。但是机器可不行，在模仿人类的神经网络算法之前，机器不会这么学习的。你告诉它一只玫瑰花，换成一束玫瑰，它可能就认不出来了。
那么再说，好比，老师教我们一个数字6，学会了，以后不管是印刷体6，仍是手写体6，仍是草书6，我们都能够很轻易认出来，但是机器，可不会这么智能，他们怎么学会6呢，监视学习就是，可能要一万张6的照片，输入进去，告诉它们，这是6，让他们记住这个特征，以后面对新的6，它们可能也好也能辨认。
卷积神经网络：
通过对一副图片，提取它的特征向量，通过卷积的方式，一个单位一个单位的卷积，得出的特征向量，可能我们无法理解，是一串二维的，机器可以理解的语言，但是通过这种方式，提取特征向量，可以让机器在之后辨别类似特征的物品，从而进行识别。
非监视学习：
如果说1万张图片，让机器学会了6，是监视学习，而通过自己调整参数，自己验证 谜底并校准的方法，就长短监视学习，这当然是更高级的学习方法，本人也了解不够深刻。浅知而已。
所以本人所了解的，好比AI算法实验室里的小伙伴，大多都在跑模型，耗GPU，试图练习出更成熟更精准的AI模型出来，也是个“体力活”。挺苦的。让我们为这些国产AI实验室加油吧。
以下文章仅仅是一个小白对于AI的思索，不是专业人士，也不预期有许多人看到，只是给自己的一个小记实。
假如下次友人再问我这个问题，我会这么回答。
我对AI的理解，有三种能力：
1.检索能力
2.运算能力
3.理解能力
以往的AI可能只能做到上面2种能力，但是chatgpt这个AI已经可以到达第三种能力。
以往的AI只是做到了检索能力，也就是解决知识的问题。我们知道，这世界上有无穷无尽的知识，但是他们都是作为常识一样存在的，好比白宫的墙壁是不是白色的，秦朝的第一位天子是不是秦始皇，通过检索，AI能够给我们提供这些知识的谜底，所以现在市面上许多AI都是通过这种检索能力来给我们服务，好比我们可以问AI，诸如现在几点，明天气候怎么样，或者望庐山瀑布这首诗是谁写的。这样的能力是很基础的，也是比较简单的，只要你的检索能力足够好，可以给你提供足够精准的谜底。
第二种运算能力，也就是解决有固定规则的问题。好比，解方程，下象棋，做运算，等等。这种，是指在一定规则下，能够让AI去快速的计算，得出结果，这些问题，都是有着一个固定的明确的规则的。哪怕像围棋这样有千千万万条路的可能性的游戏，它的规则也是固定的，只不过是运用到算法，算力的大小而已。所以第二种能力，运算，也就是解决有规则的问题。这个也是之前 AI是可以通过算法做到的。
而第三种能力，理解能力，之前的AI是不轻易做到的，但是chatgpt做的了，这种理解能力，就包括，对上下文语义的理解，自然语言的理解，以及在此基础上，对于已有信息知识的检索，综合运算整合，组合再给出自己理解的一套谜底。
好比，假如我们试着问AI，如何教小孩子AI的知识？
你问这个问题问你的siri， 它可能会说，我在网页上找到了这些内容，已经发送到你的手机，请查看。那么对于它来说，它仍是在做一些信息检索的事情，也就是说，可能有人问过这个问题，在网上，好比百度知道，或者知乎，它找到了相似的谜底，精确度很高的匹配，然后把这个信息发给你，让你自己看。这个也就是检索。
但是假如我们问chatgpt，它会"思索"一阵子，然后给出它的谜底，这个"思索"的过程，既包括了对你问题的理解，也继承包括了，它对已经存在的知识信息的检索，然后加工，然后运算，然后给出它自己已经“理解”了的一个谜底。
你会发现，当你问同一个问题的时候，甚至可能，每次它的回答，都是有不一样的。
这个就跟人一样，好比有人问你一个问题，你能保证两次回答的字，都是一模一样的吗。当然不是。由于每次，可能你都有自己的思索，你的表述也会不一样。
我们可以感觉到chatgpt，它有了自己的"理解"能力。
那这个理解能力是，从何而来的呢。
轻微接触过机器学习的人都知道，实在这样的人工智能，AI技术，就是在模仿人类，学习，理解的方式。以往对人工智能的练习，学习，那一套，已经满意不了，但愿人工智能像人一样为我们服务的需求了。而新的，对人工智能的练习，实在就是在模拟人，从生物学的角度，去模拟人的思索方式。人的思索，人的神经系统，是由亿万颗神经元，突触构成，每次思索，学习，都由亿万个神经细胞，电子信息传递活动来介入，而人工智能的新的练习方式，学习方式，也恰是参考了这样的结构模拟。
卷积神经网络，监视学习，非监视学习，各种方式在一起，实在就是在模拟人的神经元信息传递加工输出的方式。
而据说下一代的chatgpt5会有65quatrillion 的paremeter组成，这些参数就相当于人脑的神经元的运作，数目越多，AI越智慧，能理解的能力越强。以后AI说不定能够真正真正的以更高的水准去理解。
这当然要结合更进步的练习方式，更强盛的算法。
监视学习：
小时候，我们是如何学习的。好比第一次，我们见到玫瑰花，在花园里，可能妈妈跟我们说，这个是玫瑰花，这个粉色的也是玫瑰花，于是，我们学会了玫瑰花。后来，我们看到一束玫瑰花，我们也能认出，这是玫瑰花，我们看到书上的插画，我们也能知道这是玫瑰花，我们看到一个乐高积木玫瑰花，我们也能认出这是玫瑰花。人类咋就这么智慧呢。但是机器可不行，在模仿人类的神经网络算法之前，机器不会这么学习的。你告诉它一只玫瑰花，换成一束玫瑰，它可能就认不出来了。
那么再说，好比，老师教我们一个数字6，学会了，以后不管是印刷体6，仍是手写体6，仍是草书6，我们都能够很轻易认出来，但是机器，可不会这么智能，他们怎么学会6呢，监视学习就是，可能要一万张6的照片，输入进去，告诉它们，这是6，让他们记住这个特征，以后面对新的6，它们可能也好也能辨认。
卷积神经网络：
通过对一副图片，提取它的特征向量，通过卷积的方式，一个单位一个单位的卷积，得出的特征向量，可能我们无法理解，是一串二维的，机器可以理解的语言，但是通过这种方式，提取特征向量，可以让机器在之后辨别类似特征的物品，从而进行识别。
非监视学习：
如果说1万张图片，让机器学会了6，是监视学习，而通过自己调整参数，自己验证 谜底并校准的方法，就长短监视学习，这当然是更高级的学习方法，本人也了解不够深刻。浅知而已。
所以本人所了解的，好比AI算法实验室里的小伙伴，大多都在跑模型，耗GPU，试图练习出更成熟更精准的AI模型出来，也是个“体力活”。挺苦的。让我们为这些国产AI实验室加油吧。
以下文章仅仅是一个小白对于AI的思索，不是专业人士，也不预期有许多人看到，只是给自己的一个小记实。
假如下次友人再问我这个问题，我会这么回答。
我对AI的理解，有三种能力：
1.检索能力
2.运算能力
3.理解能力
以往的AI可能只能做到上面2种能力，但是chatgpt这个AI已经可以到达第三种能力。
以往的AI只是做到了检索能力，也就是解决知识的问题。我们知道，这世界上有无穷无尽的知识，但是他们都是作为常识一样存在的，好比白宫的墙壁是不是白色的，秦朝的第一位天子是不是秦始皇，通过检索，AI能够给我们提供这些知识的谜底，所以现在市面上许多AI都是通过这种检索能力来给我们服务，好比我们可以问AI，诸如现在几点，明天气候怎么样，或者望庐山瀑布这首诗是谁写的。这样的能力是很基础的，也是比较简单的，只要你的检索能力足够好，可以给你提供足够精准的谜底。
第二种运算能力，也就是解决有固定规则的问题。好比，解方程，下象棋，做运算，等等。这种，是指在一定规则下，能够让AI去快速的计算，得出结果，这些问题，都是有着一个固定的明确的规则的。哪怕像围棋这样有千千万万条路的可能性的游戏，它的规则也是固定的，只不过是运用到算法，算力的大小而已。所以第二种能力，运算，也就是解决有规则的问题。这个也是之前 AI是可以通过算法做到的。
而第三种能力，理解能力，之前的AI是不轻易做到的，但是chatgpt做的了，这种理解能力，就包括，对上下文语义的理解，自然语言的理解，以及在此基础上，对于已有信息知识的检索，综合运算整合，组合再给出自己理解的一套谜底。
好比，假如我们试着问AI，如何教小孩子AI的知识？
你问这个问题问你的siri， 它可能会说，我在网页上找到了这些内容，已经发送到你的手机，请查看。那么对于它来说，它仍是在做一些信息检索的事情，也就是说，可能有人问过这个问题，在网上，好比百度知道，或者知乎，它找到了相似的谜底，精确度很高的匹配，然后把这个信息发给你，让你自己看。这个也就是检索。
但是假如我们问chatgpt，它会"思索"一阵子，然后给出它的谜底，这个"思索"的过程，既包括了对你问题的理解，也继承包括了，它对已经存在的知识信息的检索，然后加工，然后运算，然后给出它自己已经“理解”了的一个谜底。
你会发现，当你问同一个问题的时候，甚至可能，每次它的回答，都是有不一样的。
这个就跟人一样，好比有人问你一个问题，你能保证两次回答的字，都是一模一样的吗。当然不是。由于每次，可能你都有自己的思索，你的表述也会不一样。
我们可以感觉到chatgpt，它有了自己的"理解"能力。
那这个理解能力是，从何而来的呢。
轻微接触过机器学习的人都知道，实在这样的人工智能，AI技术，就是在模仿人类，学习，理解的方式。以往对人工智能的练习，学习，那一套，已经满意不了，但愿人工智能像人一样为我们服务的需求了。而新的，对人工智能的练习，实在就是在模拟人，从生物学的角度，去模拟人的思索方式。人的思索，人的神经系统，是由亿万颗神经元，突触构成，每次思索，学习，都由亿万个神经细胞，电子信息传递活动来介入，而人工智能的新的练习方式，学习方式，也恰是参考了这样的结构模拟。
卷积神经网络，监视学习，非监视学习，各种方式在一起，实在就是在模拟人的神经元信息传递加工输出的方式。
而据说下一代的chatgpt5会有65quatrillion 的paremeter组成，这些参数就相当于人脑的神经元的运作，数目越多，AI越智慧，能理解的能力越强。以后AI说不定能够真正真正的以更高的水准去理解。
这当然要结合更进步的练习方式，更强盛的算法。
监视学习：
小时候，我们是如何学习的。好比第一次，我们见到玫瑰花，在花园里，可能妈妈跟我们说，这个是玫瑰花，这个粉色的也是玫瑰花，于是，我们学会了玫瑰花。后来，我们看到一束玫瑰花，我们也能认出，这是玫瑰花，我们看到书上的插画，我们也能知道这是玫瑰花，我们看到一个乐高积木玫瑰花，我们也能认出这是玫瑰花。人类咋就这么智慧呢。但是机器可不行，在模仿人类的神经网络算法之前，机器不会这么学习的。你告诉它一只玫瑰花，换成一束玫瑰，它可能就认不出来了。
那么再说，好比，老师教我们一个数字6，学会了，以后不管是印刷体6，仍是手写体6，仍是草书6，我们都能够很轻易认出来，但是机器，可不会这么智能，他们怎么学会6呢，监视学习就是，可能要一万张6的照片，输入进去，告诉它们，这是6，让他们记住这个特征，以后面对新的6，它们可能也好也能辨认。
卷积神经网络：
通过对一副图片，提取它的特征向量，通过卷积的方式，一个单位一个单位的卷积，得出的特征向量，可能我们无法理解，是一串二维的，机器可以理解的语言，但是通过这种方式，提取特征向量，可以让机器在之后辨别类似特征的物品，从而进行识别。
非监视学习：
如果说1万张图片，让机器学会了6，是监视学习，而通过自己调整参数，自己验证 谜底并校准的方法，就长短监视学习，这当然是更高级的学习方法，本人也了解不够深刻。浅知而已。
所以本人所了解的，好比AI算法实验室里的小伙伴，大多都在跑模型，耗GPU，试图练习出更成熟更精准的AI模型出来，也是个“体力活”。挺苦的。让我们为这些国产AI实验室加油吧。
以下文章仅仅是一个小白对于AI的思索，不是专业人士，也不预期有许多人看到，只是给自己的一个小记实。
假如下次友人再问我这个问题，我会这么回答。
我对AI的理解，有三种能力：
1.检索能力
2.运算能力
3.理解能力
以往的AI可能只能做到上面2种能力，但是chatgpt这个AI已经可以到达第三种能力。
以往的AI只是做到了检索能力，也就是解决知识的问题。我们知道，这世界上有无穷无尽的知识，但是他们都是作为常识一样存在的，好比白宫的墙壁是不是白色的，秦朝的第一位天子是不是秦始皇，通过检索，AI能够给我们提供这些知识的谜底，所以现在市面上许多AI都是通过这种检索能力来给我们服务，好比我们可以问AI，诸如现在几点，明天气候怎么样，或者望庐山瀑布这首诗是谁写的。这样的能力是很基础的，也是比较简单的，只要你的检索能力足够好，可以给你提供足够精准的谜底。
第二种运算能力，也就是解决有固定规则的问题。好比，解方程，下象棋，做运算，等等。这种，是指在一定规则下，能够让AI去快速的计算，得出结果，这些问题，都是有着一个固定的明确的规则的。哪怕像围棋这样有千千万万条路的可能性的游戏，它的规则也是固定的，只不过是运用到算法，算力的大小而已。所以第二种能力，运算，也就是解决有规则的问题。这个也是之前 AI是可以通过算法做到的。
而第三种能力，理解能力，之前的AI是不轻易做到的，但是chatgpt做的了，这种理解能力，就包括，对上下文语义的理解，自然语言的理解，以及在此基础上，对于已有信息知识的检索，综合运算整合，组合再给出自己理解的一套谜底。
好比，假如我们试着问AI，如何教小孩子AI的知识？
你问这个问题问你的siri， 它可能会说，我在网页上找到了这些内容，已经发送到你的手机，请查看。那么对于它来说，它仍是在做一些信息检索的事情，也就是说，可能有人问过这个问题，在网上，好比百度知道，或者知乎，它找到了相似的谜底，精确度很高的匹配，然后把这个信息发给你，让你自己看。这个也就是检索。
但是假如我们问chatgpt，它会"思索"一阵子，然后给出它的谜底，这个"思索"的过程，既包括了对你问题的理解，也继承包括了，它对已经存在的知识信息的检索，然后加工，然后运算，然后给出它自己已经“理解”了的一个谜底。
你会发现，当你问同一个问题的时候，甚至可能，每次它的回答，都是有不一样的。
这个就跟人一样，好比有人问你一个问题，你能保证两次回答的字，都是一模一样的吗。当然不是。由于每次，可能你都有自己的思索，你的表述也会不一样。
我们可以感觉到chatgpt，它有了自己的"理解"能力。
那这个理解能力是，从何而来的呢。
轻微接触过机器学习的人都知道，实在这样的人工智能，AI技术，就是在模仿人类，学习，理解的方式。以往对人工智能的练习，学习，那一套，已经满意不了，但愿人工智能像人一样为我们服务的需求了。而新的，对人工智能的练习，实在就是在模拟人，从生物学的角度，去模拟人的思索方式。人的思索，人的神经系统，是由亿万颗神经元，突触构成，每次思索，学习，都由亿万个神经细胞，电子信息传递活动来介入，而人工智能的新的练习方式，学习方式，也恰是参考了这样的结构模拟。
卷积神经网络，监视学习，非监视学习，各种方式在一起，实在就是在模拟人的神经元信息传递加工输出的方式。
而据说下一代的chatgpt5会有65quatrillion 的paremeter组成，这些参数就相当于人脑的神经元的运作，数目越多，AI越智慧，能理解的能力越强。以后AI说不定能够真正真正的以更高的水准去理解。
这当然要结合更进步的练习方式，更强盛的算法。
监视学习：
小时候，我们是如何学习的。好比第一次，我们见到玫瑰花，在花园里，可能妈妈跟我们说，这个是玫瑰花，这个粉色的也是玫瑰花，于是，我们学会了玫瑰花。后来，我们看到一束玫瑰花，我们也能认出，这是玫瑰花，我们看到书上的插画，我们也能知道这是玫瑰花，我们看到一个乐高积木玫瑰花，我们也能认出这是玫瑰花。人类咋就这么智慧呢。但是机器可不行，在模仿人类的神经网络算法之前，机器不会这么学习的。你告诉它一只玫瑰花，换成一束玫瑰，它可能就认不出来了。
那么再说，好比，老师教我们一个数字6，学会了，以后不管是印刷体6，仍是手写体6，仍是草书6，我们都能够很轻易认出来，但是机器，可不会这么智能，他们怎么学会6呢，监视学习就是，可能要一万张6的照片，输入进去，告诉它们，这是6，让他们记住这个特征，以后面对新的6，它们可能也好也能辨认。
卷积神经网络：
通过对一副图片，提取它的特征向量，通过卷积的方式，一个单位一个单位的卷积，得出的特征向量，可能我们无法理解，是一串二维的，机器可以理解的语言，但是通过这种方式，提取特征向量，可以让机器在之后辨别类似特征的物品，从而进行识别。
非监视学习：
如果说1万张图片，让机器学会了6，是监视学习，而通过自己调整参数，自己验证 谜底并校准的方法，就长短监视学习，这当然是更高级的学习方法，本人也了解不够深刻。浅知而已。
所以本人所了解的，好比AI算法实验室里的小伙伴，大多都在跑模型，耗GPU，试图练习出更成熟更精准的AI模型出来，也是个“体力活”。挺苦的。让我们为这些国产AI实验室加油吧。
以下文章仅仅是一个小白对于AI的思索，不是专业人士，也不预期有许多人看到，只是给自己的一个小记实。
假如下次友人再问我这个问题，我会这么回答。
我对AI的理解，有三种能力：
1.检索能力
2.运算能力
3.理解能力
以往的AI可能只能做到上面2种能力，但是chatgpt这个AI已经可以到达第三种能力。
以往的AI只是做到了检索能力，也就是解决知识的问题。我们知道，这世界上有无穷无尽的知识，但是他们都是作为常识一样存在的，好比白宫的墙壁是不是白色的，秦朝的第一位天子是不是秦始皇，通过检索，AI能够给我们提供这些知识的谜底，所以现在市面上许多AI都是通过这种检索能力来给我们服务，好比我们可以问AI，诸如现在几点，明天气候怎么样，或者望庐山瀑布这首诗是谁写的。这样的能力是很基础的，也是比较简单的，只要你的检索能力足够好，可以给你提供足够精准的谜底。
第二种运算能力，也就是解决有固定规则的问题。好比，解方程，下象棋，做运算，等等。这种，是指在一定规则下，能够让AI去快速的计算，得出结果，这些问题，都是有着一个固定的明确的规则的。哪怕像围棋这样有千千万万条路的可能性的游戏，它的规则也是固定的，只不过是运用到算法，算力的大小而已。所以第二种能力，运算，也就是解决有规则的问题。这个也是之前 AI是可以通过算法做到的。
而第三种能力，理解能力，之前的AI是不轻易做到的，但是chatgpt做的了，这种理解能力，就包括，对上下文语义的理解，自然语言的理解，以及在此基础上，对于已有信息知识的检索，综合运算整合，组合再给出自己理解的一套谜底。
好比，假如我们试着问AI，如何教小孩子AI的知识？
你问这个问题问你的siri， 它可能会说，我在网页上找到了这些内容，已经发送到你的手机，请查看。那么对于它来说，它仍是在做一些信息检索的事情，也就是说，可能有人问过这个问题，在网上，好比百度知道，或者知乎，它找到了相似的谜底，精确度很高的匹配，然后把这个信息发给你，让你自己看。这个也就是检索。
但是假如我们问chatgpt，它会"思索"一阵子，然后给出它的谜底，这个"思索"的过程，既包括了对你问题的理解，也继承包括了，它对已经存在的知识信息的检索，然后加工，然后运算，然后给出它自己已经“理解”了的一个谜底。
你会发现，当你问同一个问题的时候，甚至可能，每次它的回答，都是有不一样的。
这个就跟人一样，好比有人问你一个问题，你能保证两次回答的字，都是一模一样的吗。当然不是。由于每次，可能你都有自己的思索，你的表述也会不一样。
我们可以感觉到chatgpt，它有了自己的"理解"能力。
那这个理解能力是，从何而来的呢。
轻微接触过机器学习的人都知道，实在这样的人工智能，AI技术，就是在模仿人类，学习，理解的方式。以往对人工智能的练习，学习，那一套，已经满意不了，但愿人工智能像人一样为我们服务的需求了。而新的，对人工智能的练习，实在就是在模拟人，从生物学的角度，去模拟人的思索方式。人的思索，人的神经系统，是由亿万颗神经元，突触构成，每次思索，学习，都由亿万个神经细胞，电子信息传递活动来介入，而人工智能的新的练习方式，学习方式，也恰是参考了这样的结构模拟。
卷积神经网络，监视学习，非监视学习，各种方式在一起，实在就是在模拟人的神经元信息传递加工输出的方式。
而据说下一代的chatgpt5会有65quatrillion 的paremeter组成，这些参数就相当于人脑的神经元的运作，数目越多，AI越智慧，能理解的能力越强。以后AI说不定能够真正真正的以更高的水准去理解。
这当然要结合更进步的练习方式，更强盛的算法。
监视学习：
小时候，我们是如何学习的。好比第一次，我们见到玫瑰花，在花园里，可能妈妈跟我们说，这个是玫瑰花，这个粉色的也是玫瑰花，于是，我们学会了玫瑰花。后来，我们看到一束玫瑰花，我们也能认出，这是玫瑰花，我们看到书上的插画，我们也能知道这是玫瑰花，我们看到一个乐高积木玫瑰花，我们也能认出这是玫瑰花。人类咋就这么智慧呢。但是机器可不行，在模仿人类的神经网络算法之前，机器不会这么学习的。你告诉它一只玫瑰花，换成一束玫瑰，它可能就认不出来了。
那么再说，好比，老师教我们一个数字6，学会了，以后不管是印刷体6，仍是手写体6，仍是草书6，我们都能够很轻易认出来，但是机器，可不会这么智能，他们怎么学会6呢，监视学习就是，可能要一万张6的照片，输入进去，告诉它们，这是6，让他们记住这个特征，以后面对新的6，它们可能也好也能辨认。
卷积神经网络：
通过对一副图片，提取它的特征向量，通过卷积的方式，一个单位一个单位的卷积，得出的特征向量，可能我们无法理解，是一串二维的，机器可以理解的语言，但是通过这种方式，提取特征向量，可以让机器在之后辨别类似特征的物品，从而进行识别。
非监视学习：
如果说1万张图片，让机器学会了6，是监视学习，而通过自己调整参数，自己验证 谜底并校准的方法，就长短监视学习，这当然是更高级的学习方法，本人也了解不够深刻。浅知而已。
所以本人所了解的，好比AI算法实验室里的小伙伴，大多都在跑模型，耗GPU，试图练习出更成熟更精准的AI模型出来，也是个“体力活”。挺苦的。让我们为这些国产AI实验室加油吧。
