- 阿里｜当AI成为大众的新朋友
- 引言
- 一、写实派画家——GAN
- 二、印象派画家——VAE遇见过维米尔的少女，让我们抬头仰望星空，还记得梵高笔下的《星月夜》吗？星空、黑夜，在画笔中交错融合，给平静的天空泛起一串涟漪。今天，除了GAN这类“写实派画家”，可以从现实世界获取灵感进行创作；我们也有拥有“印象派画家”——VAE(变分自编码器/Variational Auto-encoder)。它如同我们时代下的“梵高”，可以基于现实世界的场景，经过自己的“思考”和“加工”，创造出更多具有想象力的画作。VAE是一种特殊的自编码器（autoencoder），它利用encoder（编码器），将所得到的图片进行编码，编码之后得到的latent space（隐空间）具有良好的规则，利用这些latent space（隐空间），它可以生成更有意义的新数据。对于VAE这个印象派画家来说，当我们给到它很多input（输入）图片作为灵感，不同于GAN希望创造与原数据集类似的数据，VAE会先用“取色器”encoder（编码器），提取出画面中的重要信息。但它并不着急直接使用这些信息，而是以这些信息为核心，围绕该核心信息拓展范围。例如，当VAE利用encoder（编码器）取色为“红色”，它会将“红色”这一信息扩大到“红色系的所有颜色”，再将这些扩大后的信息作为生成元素，生成新数据。聪明的VAE能够举一反三，进而创造出更多可能性的数据。
- 三、语言课代表——BERT驻足过博物馆，对于这个世界你是否依然充满着好奇？而我们每一次对这个世界的发问，是否都希望有一个人，能够透过语言直达我们内心？为我们答疑解惑，和我们一同对这个世界进行更深入的探究？BERT（Bidirectional Encoder Representations from Transformer），便是一类拥有“读懂语言”的算法，在纷繁复杂的语言世界中，梳理脉络、理解语言最深处的奥秘。正如机器理解图片，可以将图片的性质拆解为RGB等数值，进行编辑和运用。计算机对于文本的理解，也需要将其拆解成对应的向量。而BERT，这个理解语义的出色模型，就像班级里的“语言课代表”，可以对语言进行准确的理解，为人类社会提供帮助。BERT利用了机器学习中transformer模型中的encoder这一机制，将文本转化为向量，进行理解。那我们如何对BERT这一算法进行训练呢？主要分为两部分。我们可以将BERT理解为一个正在做英语试卷的考生，第一道题型为“MLM（MASKED LANGUAGE MODEL）”,类似于我们的完形填空。我们给BERT的语料库中，会随机遮挡15%的词语，让BERT根据上下文去猜测空缺部分的意思。通过第一类预训练，BERT能够更好地了解不同词语在不同语境下的内容，进而更准确的对语义做出了解。第二道题型为“NSP(NEST SENTENCE PREDICTION)”。我们会给到BERT成组的句子，让它去判断两个句子是否为连续的句子。通过NSP预训练可以让BERT更好地判断句子之间的关系。
- 四、让二维变立体的神奇魔杖——NeRF
- 结语
阿里｜当AI成为大众的新朋友
阿里｜当AI成为大众的新朋友
2024年1月16日修改
附件不支持打印
引言
当漫步于卢浮宫，我们穿梭于无数艺术画作中，你是否期待有这样一位画师，为你记录下独一无二的瞬间，让自己如同画中人一样，给这个世界留下一份凝视与回眸？当走进国家图书馆，我们打开书本跨越时空，面对万千世界的无垠知识，你是否期待有人可以读懂你的想法，陪伴你一同探索世界？当意外闯进J.K罗琳为我们创建的霍格沃茨魔法学校，你是否期待有人可以为你递上一根魔杖，如哈利波特一样，让所有平面之物跃然纸上？
这些曾经需要我们跨越时空去触达的历史、需要我们展开想象触碰到的未来，在人工智能的发展中，随着不断迭代的算法能力，悄然来到我们的身边。AI（Artificial Intelligence）, 这个由无数精准算法构建起的抽象能力，正慢慢具象化，成为了人们身边，拥有特殊技能的好朋友。它可以是画家，是作家、也可以是魔术师，与我们共同描绘着关于未来的无数可能性。
附件不支持打印
