人工智能的科普 机器学习、 深度学习 、大模型

很多对于人工智能了解很少 不知道机器学习、 深度学习 、大模型之间的关系

• 基础班版本 ： 机器学习
• 升级版本 ： 深度学习
• 高级版本 ： 大模型

神经元

• 概念：是构成人工神经网络（ANN）的基本单元
• 工作原理 ：
  • 神经元接收来自其他神经元的输入，并根据一定的权重和激活函数进行计算，最终产生输出
  • 神经元的结构和功能模拟了生物神经元的工作原理
  • 通过非线性变换来捕捉输入数据的复杂模式
• 神经网络组成：通过多个神经元相互连接而成
• 神经网络作用：输入数据与输出结果之间的复杂映射关系
• 机器学习过程：通过调整神经元之间连接的权重，使得模型能够更好地逼近或拟合训练数据的标签

机器学习

• 通常比较简单 核心是 统计技术
  • 优点： 不需要明确的编程指令
  • 分类 ： 预测、分类、回归
  • 过程：
    • 通过海量的数据利用统计技术从经验中学习
    • 自动识别和发现数据中的模式
    • 利用模式进行预测或决策
  • 作用：
    • 识别物体、人脸[核心：模式识别和分类]
    • 股票市场的预测、销售额的预测[核心：预测和回归]
    • 市场细分、用户群体的划分[核心：聚类和分割]
    • 个性化的推荐和建议 [核心：推荐系统]
    • 于文本分类、情感分析、机器翻译[核心：自然语言处理NLP]
    • 检测和识别异常或异常行为 例如网络安全、信用卡欺诈检测、服务系统异常[成功案例 elasetciseach] [核心技术：异常检测和安全]
    • 寻找最优解、优化资源分配，并支持智能决策 [核心：优化和决策]

深度学习

• 通常比较复杂 深度学习是机器学习的一种特殊形式
  • 核心 ： 神经元网络
  • 类型： 卷积神经网络、循环神经网络
  • 优点： 更高效的模式识别和预测
  • 过程：
    • 通过层叠多个多层神经网络，并且将多个神经元按照一定的拓扑结构组织起来，形成了深度学习模型
    • 利用这个模型将信息在多个神经元之间进行信息传递和处理
  • 作用：
    • 图像识别和生成
    • 语音识别
    • 自然语言处理、文本生成
    • 自动驾驶、游戏策略

大模型

• 通常最复杂的 是深度的学习一种特殊形式
• 核心： 海量的神经网络和层级
• 优点：处理更加复杂任务 更强的表达能力
• 过程：
  • 通过层叠大量层神经网络,组成会更加复杂的模型
  • 进行海量量的训练数据和计算资源进行训练处理输入的信息
• 作用：
  * GPT ~~ 1.8万亿参数
  * 图像识别和生成中更加细微特性，提高预测和分类任务的准确性
  * 生成对抗网络（GAN）和自然语言生成模型，更逼真、更丰富的生成结果
  * 机器翻译、自动驾驶、智能对话系统，更强的表达能力和泛化能力
  * 抽象学习能力，对未见过的数据进行更好的推广和适应