AI科普 第12页
迁移学习是什么？让 AI 把在一个领域学的本事用在新地方
人学会骑自行车后，再学骑电动车会快很多——因为平衡感这类“底层能力”是通用的。AI 也有类似本事，叫迁移学习：把模型在任务 A 上练出的基础能力，搬去帮任务 B 上手。它让小数据也能训练出好模型。这篇…
Transformer 是什么？现代大模型的共同骨架
今天几乎所有厉害的大语言模型——从聊天机器人到翻译器——背后都站着同一个架构：Transformer。它不像老式模型那样一个字一个字硬啃，而是让一句话里所有词同时“互相看一眼”，谁和谁相关一眼锁定。这…
生成式 AI 和判别式 AI 有什么区别？一个会造一个会判
同样是 AI，有的能写出一篇文章、画出一幅画，有的只能回答“这是猫还是狗”。前者叫生成式 AI，后者叫判别式 AI，它们干的活天差地别。理解这对区别，你就能看懂为什么聊天机器人能创作、而传统模型只能分…
数据标注是什么？AI 背后的“人工”功课由谁打标
我们总说 AI 靠数据训练，却很少问：那些训练用的“标准答案”是谁写的？很大一部分来自数据标注——真人一条条给图片打框、给文本分类、给语音转写。没有这层笨功夫，很多模型根本学不会。这篇文章用“给老师批…
监督学习、无监督学习、强化学习，三种学习方式一文分清
一提到“训练 AI”，很多人以为都是同一种学法。其实机器学习主要有三种路子：有人手把手指正的（监督学习）、没人教全靠自己找规律的（无监督学习）、在试错和奖励中摸索的（强化学习）。它们适用场景完全不同。…
梯度下降是什么？模型靠不断试错找到最优解
训练一个 AI 模型，本质是解一道没有标准答案的难题：怎么调那几十亿个参数，让模型的预测最接近真实？梯度下降就是工程师手里最常用的“导航仪”——它不要求一步到位，而是每次朝“让错误变小”的方向挪一小步…
AI 是怎么看懂一张照片的？一文看懂卷积神经网络
你上传一张猫的照片，AI 立刻认出是猫；拍一张街景，软件分出车道和行人。可计算机最初只看到一堆像素点。卷积神经网络（CNN）就是让 AI 学会“看”的关键结构，它像用放大镜在图上滑动、提取边缘和纹理，…
模型量化是什么？一文看懂手机为什么能跑大模型
同样一个模型，在云端跑得动，塞进手机却卡死，问题常常出在“精度”。量化（Quantization）就是把模型里成千上万的小数“四舍五入”成更小的数，体积和算力需求大幅降下来，效果却几乎不掉。这篇文章用…
涌现能力是什么？小模型不会、大模型突然会
有些能力很奇怪：模型小的时候完全没有，参数涨到一定规模，突然就会了——像攒够了人数才会涌现的“人浪”。这种“量变到质变”叫涌现能力（Emergence）。这篇文章用“凑人数”和“水温烧开”两个比喻，讲…
什么是对齐？怎么让人工智能学会该做与不该做
一个模型再聪明，如果分不清“能不能做”和“该不该做”，也靠不住。对齐（Alignment）就是让 AI 的目标和人类的价值一致——不仅要答得对，还要答得合适、安全、守边界。这篇文章用“教孩子规矩”的比…