OpenAI 发布 GPT-4，有哪些技术上的优化或突破？

在这个历史性的时刻，回答个问题，留下自己作为历史见证人的足迹。GPT4的技术报告里很明确地指出了三个新的方向：第一，LLM最前沿研究的封闭化或小圈子化。技术报告里说了，出于竞争

阅读全文 → 2023-06-26

如何系统学习机器学习？

想要成为一名人工智能从业者？系统学习机器学习是重点！

机器学习是一门不需要进行明确编程就能使计算机发挥作用的科学。在过去的十年里，机器学习已经为我们提供了自动驾驶汽车，实时语音识别、高效网络搜索等实用工具，并帮助我们极大地提升了对人类基因组的认知。许多研究人员都认为发展机器学习是向人类水平的人工智能迈进的最好方式。

这里向大家提供三个系统学习机器学习的步骤：学习基础编码知识、学习机器学习及深度学习、专注于一个角色。

想要成功构建机器学习系统，基本的编程技能是先决条件。在开始实践简单的机器

阅读全文 → 2023-06-26

为什么Yann lecun（杨立昆）对chatGPT持否定态度？

简单回答：采用归纳的方法，永远不可能实现可靠的演绎，尽管可以模仿一些常用演绎过程。

整个机器学习体系，到目前为止，都只是对已有数据中的某种规律的归纳、综合（generalization）。目前还没有通用的演绎算法（有限领域的演绎或纯符号演绎是之前AI研究已经做了的事情）。

人类的智能，至少有归纳和演绎两种。

所谓归纳，是对纷繁芜杂的事物之中存在的某种规律进行抽取。简单地说就是，A、B、C同属一类事物（但这类事物并不只有这三个），A、B、C具有某一特征，因此认为（或假定）该

阅读全文 → 2023-06-26

为什么随机矩阵相乘，Numpy能比Matlab快这么多？

Numpy比Matlab快主要是因为Numpy是基于C语言开发的；Numpy中的矩阵操作使用了多线程和向量化技术，能够更好地利用计算机的多核处理器和SIMD指令集，从而提高计算速度；使用类似于引用计数的内存管理机制，更好地处理内存的分配和释放，减少内存的碎片化，提高内存使用效率；提供丰富的优化和调试工具，可以帮助开发者对代码进行性能分析和优化，从而提高代码的执行效率。

阅读全文 → 2023-06-21

现在还有哪些深度学习的研究方向可以用一两块GPU训练一两天就能完成的？

最近通用人工智能发展如火如荼，自然语言理解的 Chatgpt ，图像生成的 diffusion model，视觉领域的 CLIP, SAM等通用模型一个个涌现，通用人工智能呈现出高投入、高回报的特征，需要海量的数据和算力投入，普通的研究团队难以望其项背。

如果说人工智能的研究目标是为了创造出可以比肩人类的智能体，那么显然还有许多问题值得解决，这些研究方向可能就不需要海量的数据和算力了，几张显卡就可以做。举几个例子，通用人工智能很强大，但是难免有力有不逮的时候，这时候就要进一步学习和训练，这就涉及大模

阅读全文 → 2023-06-20

能不能把CPU，GPU，ram集成到一块芯片上?

可以啊，并且这是三家都在做的事情AMD前段时间推出了Instinct MI300，继承了GPU、cpu、hbm3内存，光cpu核心就有24个，统一内存架构。其他规格就没咋公开了，这个芯片一发布，就已经确定

阅读全文 → 2023-06-20

首页上一页 34 35 36 37 38 39 40 41 42 43 下一页尾页