白话-大模型 - 节目列表

【白话大模型丨16】为什么摄像头拍下的只是像素，而人类大脑看到的却是世界？ 在人工智能漫长的进化史上，让机器学会看见曾是一道难以逾越的天堑。早期的神经网络面对复杂的图像信息，往往会陷入参数灾难与信息碎片化的泥潭，就像试图通过研究一堆颜料粉末来理解《蒙娜丽莎的微笑》。 本期《白话大模型》，我们将翻开第三章《机器之眼》的序幕。故事要从 1959 年哈佛大学实验室里的一只猫讲起——两位神经生理学家偶然间捕捉到的噼里啪啦声，不仅为他们赢得了诺贝尔奖，更向 AI 研究者们揭示了生物视觉的终极奥秘：局部感知与层级抽象。 从福岛邦彦设计的原始骨架，到卷积（Convolution）与池化（Pooling）的精妙协作，我们将深入浅出地拆解 CNN 的仿生学原理。你会发现，所谓的卷积计算其实就是拿着手电筒寻找线索，而池化则是为了抓住关键而难得糊涂。 让我们一起跨越这道技术门槛，领取通往现代人工智能世界的 VIP 门票。 #AI #AI科普 #人工智能 #白话大模型 #CNN #卷积神经网络 #卷积 #池化 #福岛邦彦

【第15期】微积分里的链式法则早在牛顿时代就有了，为什么反向传播算法却让全世界最聪明的科学家整整迟到了20年？🤔 本期视频，我们继续拆解神经网络的演进史。这不仅仅是算法的迭代，更是一场关于打破偏见、跨越低谷的英雄史诗。从1943年的MCP模型到2012年的AlexNet爆发，我们看看这“消失的20年”里到底发生了什么。 📺 本期硬核知识点： * 三重思想钢印： 是什么锁死了AI发展的咽喉？（生物学执念、局部最优恐惧、学术偏见） * 激活函数进化史： 为什么神经网络必须“弯”一下？从Sigmoid的梯度消失，到ReLU的简单粗暴，数学上的“不完美”如何成就了工程上的奇迹？ * AI守夜人： 杰弗里·辛顿（Geoffrey Hinton）如何带领杨立昆、本吉奥穿越寒冬？OpenAI首席科学家Ilya当年的高光时刻。 📚 关于《白话大模型》系列： 我是数据科学家、科技公司CTO。这是我正在撰写的一本AI科普书的视频版，旨在用最通俗的语言，把大模型掰开揉碎讲给你听。 🎉 特别预告： 书稿终于写完了！最后一章关于Diffusion和Transformer的内容写得很过瘾，预计明年春天面世。感谢大家长久以来的陪伴！ 如果觉得内容硬核且有用，请一键三连支持一下！这期20分钟的长视频，需要你的鼓励！🙌 #AI科普 #深度学习 #大模型 #辛顿 #激活函数 #ReLU #反向传播 #人工智能史

白话大模型 | 第14期丨反向传播（上） 简介：【第14期】上一期我们讲到，因为分锅难题（CAP），多层神经网络在理论的囚笼里被关了20年 。 是谁在寒冬中点燃了火种？🔥 1986年，反向传播算法（Backpropagation）横空出世，彻底解开了封印！ 本期视频，带你拆解这个AI史上最伟大的算法之一。别被名字吓到，它的核心其实只是微积分里最简单的链式法则”！看完这集，你也能懂神经网络是如何“学习”的。 #AI #白话大模型 #AI科普 #反向传播 #神经网络 #辛顿 #Transformer

【第13期】上期我们讲到，明斯基用XOR谜题宣判了感知机的死刑，AI坠入寒冬。但罗森布拉特早已预见多层网络才是未来，那为什么连接主义还是失败了？因为一个比XOR更根本、更致命的难题 —— 信用分配问题(CAP)。 本期《白话大模型》，我们将深入AI寒冬的核心，看懂这个困扰了学界近20年的分锅难题： 1. CEO的烦恼：用一个“万人公司项目失败”的比喻，彻底理解什么是“信用分配问题”。 2. 寒冬的绝望：为什么当时全世界都认为多层神经网络根本无法训练？ 3. 黑暗中的守夜人：是谁在学术西伯利亚赌上学术生命？认识AI教父辛顿 (Hinton)和被时代埋没的天才韦伯斯。 理解了这个世纪难题，你才能真正体会到下一期反向传播算法的伟大之处。 #AI #白话大模型 #神经网络 #信用分配 #AI寒冬 #科技史 #人工智能 #辛顿 #Hinton

【第12期】1958年，感知机的诞生引爆AI热潮，人们以为AGI近在眼前。但仅仅11年后，AI泰斗、符号主义领袖马文·明斯基，用一本著名的黑皮书和一个简单到极致的“XOR谜题”，给神经网络整个领域判了死刑，开启长达十年的AI寒冬。 本期《白话大模型》，我们将重回那场AI史上的世纪审判： * 宿敌之战：明斯基如何狙击他的高中校友罗森布拉特？ * 致命谜题：为什么感知机连最简单的异或逻辑都无法解决？用“蛋糕比喻看懂“线性不可分”。 * 天才悲剧：罗森布拉特的意外身亡与他未竟的多层网络遗产。 #AI #人工智能 #神经网络 #感知机 #XOR #AI寒冬 #白话大模型 #明斯基 #罗森布拉特

【第11期】AI的学习过程，本质上就是在寻找一个复杂方程的最优解。但面对拥有数千亿参数的方程，机器是如何猜到正确答案的？ 本期《白话大模型》，我们将用一个浓雾中下山的比喻为你彻底讲透现代AI的灵魂算法——梯度下降法 (Gradient Descent) 。你将了解： * 为什么说AI找规律的本质，其实是在求函数最小值？ * 什么是“度？为什么朝着它的反方向走，就是最快的下山路径？ * 这个诞生于1847年的古老数学思想 ，是如何成为驱动今天所有大模型的引擎的？ 这可能是全网最通俗易懂的梯度下降讲解。掌握了它，你就掌握了理解AI学习机制的万能钥匙。