AI科普 第10页
自编码器是什么？AI 怎么把复杂信息压缩再还原
你手机传照片会先压缩，AI 也有一套类似的「打包术」叫自编码器：它先把数据压成一小团精华，再试着还原回去，逼自己只留住最要紧的特征。本文用搬家断舍离和缩略图的比喻，讲清它怎么顺手干成了降噪、找异常这些…
推荐系统是什么？App 怎么越用越懂你、猜中你喜好
打开购物、短视频、音乐 App，它总能精准推你爱看的那一口——这背后站着推荐系统。它不像人靠直觉，而是拿你点过、跳过、买过的痕迹当线索，给人和内容两边打分配对。本文用红娘和书架的比喻，讲清它怎么从你的…
扩散模型是什么？AI 画画为何先加噪再一步步去噪
你用 AI 生图时多半纳闷：它咋凭一句话就吐出一张画？不少模型走的是「扩散」路线——先往图上狂加噪点变成雪花，再一点点把噪擦掉、顺手把画显影出来。本文用洗照片和除雾的比喻，讲清这套反直觉的生图魔法到底…
灾难性遗忘是什么？AI 学了新的，为什么把旧的给忘了
人学新技能不至于忘了旧本事，可神经网络一学新任务，常把之前练的就给覆盖了——这叫灾难性遗忘。它卡住了「一个模型持续学多件事」的设想。本文用覆盖式笔记和工人转岗的比喻，讲清遗忘怎么发生，以及业界用回放、…
零样本学习是什么？没教过的题，AI 也能猜个八九不离十
传统模型只会做练过的题，换个没见过的类别就傻眼。零样本学习偏要让模型答没复习过的题——靠的是把类别、文字描述这些语义信息带进来，让没见过和见过在意义层面接上头。本文用查字典和跨语种猜词的比喻，讲清它和…
联邦学习是什么？手机怎么在不交出数据的情况下一起训练 AI
把数据集中到一处训练 AI，最怕隐私和合规这关——没人愿意把聊天记录、病历乖乖上交。联邦学习换了思路：模型下发到各台设备，数据不出本地，只把「学到的改动」传回来汇总。本文用集体写书和老师批作业的隐喻，…
批归一化是什么？深度学习训练为什么要先把每层摆正
训练神经网络时有个隐蔽麻烦：前面层一变，后面层输入的分布就跟着飘，模型得不断重新适应，学得慢又抖。批归一化的解法是，在每个小批次里把层的输入「摆正」——均值拉到 0、方差归到 1。本文用军训排队和恒温…
残差连接是什么？神经网络为什么能堆到上百层还不崩
把神经网络层数堆深，本想学得更精细，可早年一加深就反而变差——不是算力不够，是信息传不下去。残差连接给了个极简解法：给数据开一条「直通车」，让它跳过几层直接往后传。本文用走楼梯和坐电梯的比喻，讲清这招…
自监督学习是什么？没有标准答案，AI 怎么自己给自己出考卷
给 AI 准备带标签的数据很贵——得雇人一条条标。自监督学习绕开这道坎：它不给标准答案，而是把数据自己拆成「题」和「答案」，让模型在填空、比对中练出对世界的理解。本文用完形填空的比喻，讲清它怎么让大模…
聚类是什么？AI 怎么把相似的东西自动「归成一堆」
前面聊的很多模型都要先有标签才能学，聚类却反着来：不给任何答案，只丢一堆杂乱数据，让 AI 自己把相似的分到一组。本文用聚会自动分桌和整理衣柜的比喻，讲清 K-Means 怎么运作、簇数怎么定，以及它…