4.10* 每日阅读｜《AI未来进行式》p0～p92
算法，深度学习，人工智能早就融入我们生活很久了，我们使用的每一款app每一个网站都各式各样的呈现着人工智能技术。我们早已不用在意如何获取知识如何获取资源，而是我们究竟想要知道什么，我们究竟在追求什么。到底有没有被AI引导并不重要，而是我们作为个体是相信自我感受，乐意自己寻找答案还是相信AI，说实话每个人的成长不都是这样吗？父母早就告诉你某件事的道理和答案，或许多年之后你历经人世坎坷曲折也深刻认识到这个答案，那么重来一遍你会怎么选择？这个选择就是我们如今面对AI的选择。 人工智能大数据给出的答案确实是最正确的均值，可个体之所以为个体就在于其中参差，大数据训练的AI永远代表的是过去的数据整合，而不是未来，我们作为个体有权利也有责任走一条不同寻常的路，追随自己的感受前进。即使大数据有一天终会揭发我们人类大多数人大多数时候做的事并无意义，但人类过往就是在多年重复那些悲欢离合爱恨情仇中一点点从旧社会走出来的，我们发明AI也是希望加速这个演进的过程而已，社会结构，意识形态演进都需要所有人的努力，少一些人做那些重复的无意义的事未免不是件好事。 至于今年年初有些人对chatgpt的强烈反响其实很有趣，AI的引导让有些人发现自己的所思所想所做并不是独有的宝贵的无法替代的，事实上这些他们早就会，只不过之前没有一个AI像chatgpt这样语言流畅，易于指令罢了。人类与人工智能最好的关系是互相引导，互相尊重，2023年AI都努力学会了人类语言，人类真的不能再怠惰啦。尽可能多的放纵的去学习吧，未来变得越来越刺激了，不是吗？
与人类相比，深度学习想要充分发挥作用，离不开海量的相关数据、单一领域的应用场景以及明确的目标函数，这三项缺一不可，如果缺少其中任何一项，深度学习将无用武之地。
此外，在借助大量数据进行训练时，深度学习可以针对每一个用户提供定制化的服务——基于海量数据中较相似用户的数据，对每个用户做出贴切的预测，以达到千人千面的效果。
尽管深度学习的最初灵感来源于人类的大脑，但二者的运作方式截然不同：深度学习所需要的数据量远比人脑所需要的多得多。可是一旦经过大数据训练，它在相同领域的表现将远远超过人类（尤其是在数字的量化学习，例如挑选某人最可能购买的产品，或从100万张脸中挑选最匹配的一张）——相对来说，人类在同一时间内只能把注意力放在少数几件事情上面，而深度学习算法却可以同时处理海量信息，并且发现在大量数据背后的模糊特征之间的关联，这些模糊特征不仅复杂而且微妙，人类往往无法理解，甚至可能不会注意到。
如果把算力比作AI的引擎，那么数据就是AI的燃料，直到最近10年，算力才变得足够高效，数据才变得足够丰富
深度学习的训练方法是，针对特定的应用场景，给人工神经网络的输入层“投喂”大量数据样本，同时给输出层“投喂”相应的“正确答案”，通过这样的训练，不断优化人工神经网络的内部参数，使根据输入生成最接近“正确答案”的输出的概率最高。在输入层和输出层之间，可能存在很多中间层（又称隐藏层），从而能够更深入地刻画所处理对象的特征，并具备更强大的函数模拟能力。
