人工智能不再是科幻小说，因此如果您想了解未来，了解这项技术至关重要。因此，在这篇文章中，我们解释了人工智能是如何工作的，幕后实际发生了什么，并回答了机器是否真的像人类一样思考。就这一点而言，让我们继续了解人工智能的真正工作原理。
人工智能如何运作？
在我们了解人工智能如何工作之前，我们必须了解人工智能不仅仅是像 ChatGPT 和 Gemini 这样的聊天机器人，它的意义远不止于此。人工智能是一个广泛的术语，它封装了不同的系统，但几乎所有系统都有一个共同的品质：执行通常需要人类智能的任务的能力。
因此，从天气预报系统到 Netflix 推荐、语音识别、语言翻译、手机自动更正——所有这些都是由人工智能系统提供支持的。但人工智能究竟是如何运作的呢？
为了给你一个简单的解释，人工智能系统从数据中学习模式，并根据他们所训练的数据做出预测。这就是所谓的机器学习。与基于规则并针对每种场景定义的传统软件程序不同，人工智能依赖于机器学习，这是一种计算机从经验中学习的方法。人工智能系统并未针对每种场景进行明确编程。
例如，我们不是告诉计算机，如果你看到四条腿和毛皮，它可能是一只狗，而是显示数千张狗的图像，以便人工智能系统理解该模式并自行弄清楚。因此，人工智能系统可以通过接触更多数据来改进。他们看到的例子越多，他们在各种任务上的表现就越好。这就是人工智能公司想要收集大量数据来训练他们的人工智能系统的原因。
神经网络：人工智能的大脑
现代人工智能系统使用基本上以人脑为模型的神经网络。神经网络具有互连节点（如神经元）层，它们处理信息。例如，为了识别猫的图像，第一层可能会检测颜色和边缘等基本细节。中间层可以收集这些信息并检测耳朵和眼睛等复杂特征。
最后一层将所有这些信息组合在一起，并将其称为猫。神经元之间的每个连接都有一个称为“权重”的东西，决定了它的影响力有多大。在训练人工智能系统时，这些权重会被多次调整，以便神经网络更好地完成任务。
现在，深度学习使用数百个这样的神经网络来创建“深度”网络。目的是创建一个令人难以置信的抽象网络，其中出现复杂的模式。这些层从数据中提取抽象特征，这有助于准确检测对象。
人工智能系统如何训练？
训练人工智能系统需要三个关键步骤。首先，您提供大量数据。例如，如果您正在训练人工智能系统为电子邮件创建垃圾邮件过滤器，则您将提供数百万封标记为“垃圾邮件”或“非垃圾邮件”的电子邮件。现在，人工智能尝试学习这种模式，例如识别哪些电子邮件是垃圾邮件，哪些不是垃圾邮件。
最初，人工智能会犯一些错误，这就是从错误中学习的地方。人工智能系统将其预测与正确答案进行比较，以提高其准确性。它调整内部参数以减少误差，这个过程会重复数百万次，直到准确性变得更好。
例如，当您教孩子识别动物时，您向他们展示图片，然后他们进行猜测。如果他们错了，你纠正他们，他们就会逐渐进步。人工智能培训的工作原理与此完全相同。
在这里，对标记数据进行训练称为“监督学习”，在未标记数据上寻找模式称为“无监督学习”。目前，强化学习（RL）正在取得进展，它通过尝试和错误进行学习并获得奖励。基本上，通过强化学习，您可以教会人工智能系统通过经验进行学习。
如果它做了好事，你就给予它奖励；如果它做了错事，你就扣留奖励。通过这种方式，人工智能系统可以了解哪些行为会带来奖励。因此，您将获得一个经过优化以获得最佳结果的人工智能系统。
ChatGPT 等人工智能聊天机器人如何工作？
如果您想知道像 ChatGPT 和 Gemini 这样的人工智能聊天机器人是如何工作的，那么它们也是复杂的概率引擎。人工智能聊天机器人基本上是根据之前出现的所有单词来计算下一个单词出现的概率。在生成文本时，它并不像人类一样知道自己在说什么，而只是根据训练数据生成统计上合理的文本。
这就是人工智能聊天机器人有时会产生幻觉并生成错误信息的原因。为了训练为 ChatGPT 等提供支持的大型语言模型 (LLM)，系统中输入了数十亿个网页、书籍和文档。它学习语法、事实、推理模式，甚至一些常识。
现在，人工智能模型可以根据人类反馈进行微调。人类培训师提供了有用的反应示例，并对模型进行技术改造，使其仔细遵循指令。这一调整过程使人工智能聊天机器人对用户更有帮助。
这就是我们对人工智能如何工作及其基本机制的解释。关键的见解是人工智能是一个非常强大的模式匹配系统，它通过示例和经验进行学习。
发表回复