Podcast
主播 未知 出品 TechAstra星科技 1,780 订阅 33 集 5天前更新
白话-大模型
【第32期】一场全员熟人的跨国高管视频会议,为何只有财务人员自己是真人?2亿港元惊天骗局的背后,AI究竟攻克了哪两道技术难关? 本期迎来第5章《AI生成纪元的黎明》收官之战,带你层层扒开AI造假与换脸的底层密码: 1. 无中生有的完美假脸(StyleGAN):为什么早期GAN改个笑容就会长出胡子?英伟达如何用潜空间W解耦、4×4到1024×1024按分辨率分层注入、以及局部随机噪点,造出ThisPersonDoesNotExist上毫发毕现的虚拟人类? 2. 偷梁换柱的实时换脸(Deepfake):把第29期的自编码器AE和第31期的GAN拼在一起会发生什么?“双生自编码器”如何提取面部表情的最大公约数,把骗子的动作实时套在高管的脸上? 3. 生成纪元的世纪交响:回望AE、VAE与GAN的两条哲学路线,预告扩散模型Diffusion的范式统一,并揭晓在幕后操纵AI性格的神秘力量——损失函数。 #AI #人工智能 #白话大模型 #AI科普 #Deepfake #StyleGAN #GAN #自编码器 #生成式AI #深度学习 * 00:00 开场与章节预告:为什么暂缓损失函数加餐,先给第5章收官 * 00:33 真实案件切入:2024香港2亿港元AI换脸多人会议诈骗案 * 01:21 跨越恐怖谷:AI人脸生成需要攻克的两道核心技术难关 * 02:12 第一道难关:早期GAN的“特征纠缠”与牵一发而动全身的痛点 * 03:31 StyleGAN巅峰之作:解开特征死结的三个精妙工程设计 * 06:48 第二道难关:DeepFake深度伪造是如何实现移花接木的? * 07:13 双生自编码器(AE+GAN):通用动作与专属面相的拆解还原 * 09:10 后真相时代来临:当像素与物理现实之间的必然联系被切断 * 09:44 第5章全章回望:从AE到VAE、GAN的两套科学哲学交锋 * 10:51 终极预告:从扩散模型(Diffusion)统一范式,到通往下一期“损失函数”的小径
11 分钟 30 次播放 5天前
【第31期】2014年蒙特利尔酒吧里的一场微醺争论催生了改变深度学习历史的绝妙灵感。本期节目带你走进生成对抗网络GAN的传奇诞生史。 在这个模型中,AI化身为造假画家与火眼金睛的鉴定家,在冯诺依曼提出的极小极大博弈中展开激烈的猫鼠游戏。本期视频将硬核拆解GAN的运作原理,带你探究工程师为何对这项AI黑魔法爱恨交加,并揭开让系统瞬间失灵的模式坍塌之谜。 我们还会重温佳士得拍卖行那幅拍出43万美元天价的AI画作背后的致敬彩蛋,并客观复盘LSTM之父施米德胡伯关于路线与抢功的学术公案。 #AI #人工智能 #白话大模型 #生成对抗网络 #GAN #深度学习 #伊恩古德费洛 #极小极大博弈 #MiniMax 本期时间轴 00:00|从 VAE 到 GAN:如何让 AI 画得更真实? 00:55|蒙特利尔酒吧:27岁天才的午夜灵光 02:15|酒后写代码:一次改变历史的幸运实验 03:39|画家与鉴定家:GAN 的猫鼠游戏 04:38|反向传播:两个神经网络如何共同进化? 05:30|终极平衡:判别器只能靠猜,准确率50% 06:01|MiniMax:冯·诺依曼的博弈论如何走进 AI? 07:32|AI 黑魔法:GAN 为什么如此难以训练? 08:56|模式坍塌:为什么 AI 永远只画同一只黑猫? 10:11|佳士得拍卖:一幅签着数学公式的43万美元画作 11:32|学术抢功风波:施米德胡伯为何怒斥古德费洛? 12:23|天时、地利、人和:谁真正成就了 GAN? 13:35|尾声:下一期,补上神经网络的关键拼图——损失函数
14 分钟 99+ 次播放 3周前
【第30期】只改一个地方,AI 就完成了从"复印机"到"画家"的跨越。 上一期的自编码器 AE,只会复制、不会创造——因为它的潜空间是一张"破碎的星图"。这一期,一对荷兰师生只做了一个小小改动:让编码器输出的不再是一个"点",而是一团"概率云"。 每一次解码,都成了一次全新的想象。这就是 VAE,生成式 AI 的第一枪。 00:00 从自编码器说起:为什么 AE 只能复制,不能创造? 01:19 修复破碎的潜空间:VAE 登场 02:24 VAE 的关键创新:把一个“点”变成一团“概率云” 03:02 什么是正态分布?理解 VAE 魔法的数学基础 04:18 “随机采样”:AI 第一次拥有创造新内容的能力 05:44 VAE 背后的两位创造者:马克斯·韦林与迪德里克·金马 07:00 不到 30 岁创造 VAE 和 Adam:金马的传奇经历 07:57 VAE 打响生成式 AI 第一枪,以及它为什么总有点“糊” 08:37 下一站:GAN 与 DeepFake 的诞生
8 分钟 99+ 次播放 1个月前
生成式AI的第一步,为什么不是创作,而是压缩? 本期《白话大模型》从费曼那句“凡我不能创造的,我便无法理解”出发,回到2006年,认识辛顿与深度自编码器(AE)。 一张30000维的图片,如何被压缩成300维的低维向量?Encoder、Decoder和Latent Space究竟是什么?更关键的是:AE为什么能够学会数据的结构,却只能复原,不能真正创造? 00:00|从理解世界,到创造世界 02:02|新篇章:AI生成纪元的黎明 03:02|费曼:创造,是更深的理解 03:44|AI想要创造,为什么要先学会压缩? 04:04|2006:辛顿与自编码器 AE 05:25|AE的核心:先压缩,再还原 06:27|Encoder与Decoder:抽象与具象之间 07:06|什么是低维向量Z和潜空间? 09:34|AE如何训练?从重建到表征学习 11:33|AE不会创造,却找到了创造发生的地方
12 分钟 99+ 次播放 2个月前
还没有人评价。听过的话,留个分数和一句短评吧。
您确定要删除评价吗?
外观
播放列表还是空的
去找些喜欢的单集添加进来吧