理解人工智能
学习概念、进行实验、再考察其依据。每个层次都可直接访问。
先区分学习与推断，再探索机制。
查看公式、假设、方法差异和原始论文。
区分学到的参数与请求时提供的信息。
区分模型给出的概率与选择输出的规则。
理解向量，但不把向量等同于人类的意义。
区分上下文、循环状态、参数与持久存储。
在合适层次上比较架构、学习方法和完整系统。
区分训练中的加噪过程与逐步生成。
理解模型与工具周围的执行框架。
探索更长的时域与错误预测的风险。
使用标签前，先考察通用性、性能与适应能力。
从令人信服的印象转向可复现的比较。
18 个结果