他们非常残酷地向狗隐瞒了最

kafece8348@tosp

是的，这些都是我自己画的。非常感谢。 首先，我们将观察监督学习狗，我们在这里和训练师一起观察它。他们正在做的是现在进行对话，训练师正在尝试训练我们的狗做什么？而且，在这种情况下，狗是一个机器学习模型。我们的训练师试图让我们的狗学习的是从英语到法语的翻译问题。 因此，作为训练师，我们首先要做的就是对狗说一句英语短语。 “奶酪煎蛋卷”，然后我们随机初始化的狗就会有一个随机猜测。而且，这绝对是胡言乱语。而且，我们会说：“好吧，没关系！”真正的答案是“Omellete du fromage”，来自我们的狗。这需要一些思考。它将做一些我们谈到的梯度下降，并且错误会少一些。然后，我们将重复这个练习，告诉我们的狗“奶酪煎蛋卷”，我们的狗会用一些胡言乱语来回应，但稍微少一些胡言乱语。我们将再次纠正它，狗会继续前进......它会做一些机器学习......它会做一些微积分......会犯更少的错误。三小时后，我们希望，当我们对我们的狗说“奶酪煎蛋卷”时，我们的狗能够正确预测“Omellete du fromage”。

我们已经达到了可接受的错误水平。 我们可以针对各种问题做到这一点。所以我们可以问一个问题，“你好吗”，当我们的狗读到这个时，它知道它应该说，“很好，谢谢”。或者我们可以在这里放一些保加利亚语文本，然后让我们的狗将其 阿塞拜疆 手机号码数据 翻译成各种语言。 因此，为了将其视为一般情况，我们的模型在一组标记数据上进行训练，并对其进行标记是因为我们有：输入、输出。并且，它被教导预测正确答案。 现在，在健身房的无监督学习角落，我们看到了一个表情包，当这条推文发布时，我们的大脑被抛回到 2016 年，一个更简单的时代。此人声称强迫机器人观看 1000 小时的 Olive Garden 广告，然后让该机器人生成自己的广告。而且，虽然我不认为以当时可用的技术这是可能的，但这是无监督学习的一个例子。 看起来有点相似，不是吗？我们正在进行另一次谈话。我们的培训师在这里所做的是引用孙子的《孙子兵法》一书。而且，他们非常残酷地向狗隐瞒了最后一个词，并让它猜测。所以，他们对我们的狗说：“所有战争都是基于”，我们的狗有一些胡言乱语要告诉我们。我们纠正它，没有狗，愚蠢的，你，“欺骗”，狗会突然消失。它会进行一些思考，它会再次进行一些梯度下降，减少错误，然后我们将重复这个练习。狗说了一些不太乱的话，我们纠正它，然后就弹出了，许多难以忍受的小时后。我们看到的是，当我们对我们的狗说这句话时，我们的狗会正确预测：“欺骗”。 现在，我们在这里所做的是从一段文本中随机抽取一个序列，并且隐藏了序列中的最后一个单词。我们让我们的狗猜到了。



我们实际上可以用大量文本来做到这一点。所以我们可以做所有的维基百科，你可以下载它，你可以将其输入人工智能并让它学习如何完成这篇文章，本质上。我们可以给它一堆书，大量来自许多地方的书籍。如果你看到它，你就会看到它。或者，电影剧本。我们可以给它提供所有史莱克，我们可以给它提供歌词，我们可以给它提供吉他谱，任何你可以塞进这个人工智能的东西，你可以教它如何预测。 作为一般情况，我们可以通过说我们的模型是根据未标记的数据进行训练来总结这一点的。并且，它被教导预测下一个单词，序列的下一位。实际上，这听起来与监督学习非常相似。因此，在这种情况下，除了一些语义差异之外，它们基本上是相同的。在其他情况下，它们很可能会截然不同。但我们目前正在训练语言模型。回答问题，完成句子，基本上是一样的，细微的差别稍后会发挥作用。 最后，我们观察我们的强化学习狗。女士们先生们，这是我为这次演讲画的第一只狗，你们可能会看出来。而且这只狗已经被教说话了，它是一只聪明的狗，而不是它第一次参加牛仔竞技表演。