纪弘说了打小孩儿,她就记住了一部分:
“就像教小孩儿一样,可以设定一个奖赏规则,做的好了给个奖励,做不好就给一巴掌。模型的话,就是在这种不断地反馈与调节中去寻找能获得最大奖赏的最佳选择。大约是这样吧?”
纪弘点了点头,程荟虽然不是相关专业的,但是对理念的理解还是非常到位的,所谓奖赏规则,在强化学习中就是一个预先设定的奖赏函数。
“这种说的就是现在的普通强化学习,它的学习能力很差,就像学校里的差等生,不开窍,不管你怎么教,他就是学不会。
“于是就需要一遍一遍又一遍的利用大量的数据去不停的循环往复的去训练,才能达到预期效果。所以训练很慢、很耗时间、成本也巨大。”
纪弘脑筋不算的思索着,尽量使用通俗易懂的语言:“现在,我们这儿有一种新的模型。它与传统模型不太一样,哪儿不一样呢?
“传统模型的神经网络节点是单纯的节点,就像人,他脑袋一根筋,不会转弯的那种,就傻子。
“而我们呢,把这个节点换成了簇,这个簇就是人工智能小微模型,我们用小微模型来代替原本的神经网络节点,这么说你听得明白吗?”
程荟正瞪着俩大眼睛认真听着呢,见纪弘问,她也是发表了自己的看法:“人工智能是有一定智慧能力的,这小微模型肯定也有,对吧?”
“对,如果说传统人工智能神经网络的节点是个一根筋的傻子,我们现在的模型,单单就一个神经网络节点而言,就已经有了一定的决策和判断能力。就是这种能力,我把它叫做类思考。
“基于此,它对事物的处理逻辑已经在事实上发生了根本的改变,原本是一遍又一遍不断尝试,通过统计分析对比得到最优路径,而现在不一样了,在尝试之前,节点本身就可以有一定的判断。
“这实际是一种前置的定性方法,类似于质性思考。这种能力和方法,用在人工智能的训练上,可以节省训练过程中至少99.99%的数据量。所以,我们的模型训练成本才极致低廉,而且效果还更好。
“当然,它与人的思考还是有巨大区别的,它的判断也是基于模型本身,而且现阶段的训练都是专有的,想要做成通用模型几乎不太可能,除非能设计一种新架构的硬件。
“我有一个设想,就是在现有的硬件逻辑上,加入一个……”
纪弘越说越嗨了,都忘记了用通俗易懂的语言去转述一下,而程荟刚刚还听的挺明白,但这个时候已经有点儿迷糊了,不过她还是能够隐隐约约的感知到这其中的逻辑和深远的意义,也是感叹:“老公,你太牛了!”
【得到认可,类思考相关模型理论全路线思路+1。】
“老婆,你迷糊
请收藏:https://m.pingguo9.com
(温馨提示:请关闭畅读或阅读模式,否则内容无法正常显示)