AI科普 第11页
决策树与随机森林：AI 是怎么一层层「分而治之」做判断的
不是所有 AI 都靠神经网络。决策树用一连串「是或否」的问题就把复杂判断拆解清楚，随机森林再把很多棵树凑一起投票。本文用银行放贷和聚会分桌的比喻，讲清这套直观又稳健的经典算法，以及它为什么至今仍被广泛…
生成对抗网络是什么？造假者与鉴别者的猫鼠游戏
大多数模型在「判断」，生成对抗网络（GAN）却另辟蹊径地「创造」——它能凭空画出人脸、生成逼真照片。诀窍是让两个模型互相较劲：一个拼命造假，一个拼命打假。本文用假币与验钞的比喻，讲清这场猫鼠游戏怎么把…
循环神经网络是什么？让 AI 把「前文」记在心上
普通神经网络看一句话，是一个字一个字孤立地看，看完上句就忘了下句。循环神经网络（RNN）给模型加了「记忆」，让信息能顺着顺序流动。本文用带笔记本的阅卷人和接力传话的比喻，讲清 RNN 怎么处理时间序列…
正则化是什么？给模型上道「紧箍咒」防它背答案
模型在训练集上考满分、一上实战就翻车，多半是「记」而不是「学」。正则化就是给这种死记硬背加一道约束，逼模型抓住更通用的规律。本文用减肥和控制开销的比喻，讲清 L2、Dropout 等手段怎么帮模型「减…
少样本学习是什么？大模型为什么看几个例子就会
老式 AI 要学一样东西得喂成千上万条样本，今天的大模型却看两三个例子就能上手。这种「少样本学习」靠的是预训练积累的通识，而不是从零学起。本文用看样例学做事的比喻，讲清它为什么管用、又在哪里会翻车，以…
准确率、精确率、召回率：模型到底好不好，看哪个数
说一个模型「准」，到底准在哪？准确率、精确率、召回率看着都像「正确率」，关心的却不是同一件事。本文用体检和考试查漏的比喻，讲清三个指标各自的盲区，帮你读懂一份模型评测，以及面对一份评测报告时，该先盯住…
预训练是什么？大模型上岗前先读的「万卷书」
我们常说大模型「见多识广」，它的见识来自一个叫预训练的阶段：在正式干活前，先用海量文本自己琢磨语言规律。本文用通识教育和入职培训的比喻，讲清预训练到底是什么，以及它和微调、推理各司何职。读完你会明白大…
反向传播是什么？神经网络的错误怎么一层层传回去
模型做错题，错的不只是最后一层。反向传播就是把「总错误」沿着网络一层层往回分，算出每个权重该为这次失误负多少责。本文用传话出错追责和工厂返工的比喻，讲清这个让深度学习得以训练的核心算法，以及它为什么能…
损失函数是什么？模型靠什么知道自己错了多少
模型训练的过程，其实就是不断「减小错误」的过程。损失函数就是那把丈量错误的尺子：它把模型的预测和真实答案之间的差距，算成一个具体的数字。本文用考试扣分和温度计的比喻，讲清损失函数怎样指挥训练往正确的方…
激活函数是什么？为什么 AI 需要「非线性」这道弯
神经网络靠一层层加权求和做判断，但如果只做加减乘除，它永远只能画直线。激活函数就是给网络加上的'非线性开关'，让 AI 能拟合曲线、分辨复杂图案。本文用开关和闸口的比喻，讲清它为什么不可或缺，以及选它…