在机器视觉领域，有一类称为“目标检测”的任务，其目的是从一张图片中检测出行人、汽车、建筑物等目标，并把它们框出来，打上相应的类别标签。 在实际应用场景中，一张照片中可能出现多个目标，每个目标的类型、位置和大小都有所差异。那么，如何把这些目标全部有效地检测并标识出来呢？ 一种方式是在图片上使用不同大小
在第117期中，我们了解到自编码器是一种两头宽中间窄，形状如哑铃的神经网络。这一网络的学习目标是在输出端还原输入数据，如图1所示。由于网络中间的瓶颈层比较窄，使得仅有那些最重要的信息才会在编码z中保留下来。因此，自编码器常用于提取数据中的关键信息。 图1. 自编码器 事实上，瓶颈层的编码z由于维度较
最近，一款称为ChatGPT的人工智能系统火出了天际！它不仅上知天文下知地理，还可以写小说、制标书、做算数、编代码、调bug... 难怪有人惊呼，人工智能修炼成精了！ 那么，如此强大的ChatGPT是怎么炼成的呢？ 其实，它背后的原理并不神秘。故事还得从语言模型说起。语言模型是一项古老的技术，比如我
如何让机器学会生成一幅逼真的图片呢？2014年，Goodfellow给出了一种称为对抗生成网络 (GAN) 的方法[1]，瞬间燃爆网络。 图1. 机器学会画画 我们还是先举个例子来铺垫一下。假设有那么一对师生，老师和学生水平都一般，但是学生有一个很强烈的梦想：要成为达芬奇那样的大画家。于是，这个勤奋
机器学习里常见的方法是监督学习：对数据进行人为标注，再把这些数据喂给机器，机器就会像人一样对未知数据进行分类和预测。 监督学习的问题在于标注的成本高，而且极为耗时。因此，人们想到无监督学习方法，这种方法不需要标注，通过观察数据样本来获知某些规律，再利用这些信息来帮助监督学习。一个例子是当我们看到很多
深度学习发展起来以后，序列到序列建模成为很多任务的基本方案，如机器翻译、语音识别、语音合成、问答和对话等。序列到序列建模将输入序列用编码器压缩成一个固定维度的向量，再由一个解码器生成目标序列。如下图所示。 序列到序列模型虽然简洁，但有一个很大的问题，就是当输入序列很长时，往往很难生成合理的目标序列。
生活中很多事情可以抽象成序列到序列的转换。例如，语言翻译是两种语言单词序列的转换，语音合成是单词序列到发音序列的转换，玩游戏是游戏画面到游戏杆操作命令的转换。 序列到序列转换相当困难，因为不仅要考虑两个序列间的对应关系，还要考虑目标序列的上下文相关性。以翻译任务为例，要翻译“How are you”
如何表示一个单词的意义？对人来说，一般用解释法，用一段话来解释词的含义。如“太阳”在新华字典中的释义是“太阳系的中心天体。银河系的一颗普通恒星。” 然而，这样的解释计算机是听不懂的，必须用更简洁的方式来对词义进行表示。 传统上，计算机用一种称为“独热向量“的方式来表示单词。假设词表里一共有100个词
深度神经网络很难训练，一个重要的原因是网络包含很多参数，这些参数互相影响，很难协调一致地往最优化方向调整。为此，研究者提出了很多方法，如预训练，激发值正规化等。基于这些方法，训练个十几层的网络是没有问题的。然而，一个很重要的问题是，神经网络是不是越深越好呢？ 人们发现并不是。如图所示，训练两个网络，
自编码器是一种特别的神经网络，两头宽，中间窄，像个哑铃的样子。 图1. 自编码器 (AutoEncoder) 模型 这个神经网络的学习目标是努力在输出层还原输入数据。如图1所示，输入一幅猫的图片，这个自编码器会努力在输出层还原这只猫。关键是，因为网络的中间层比较窄，必然会过滤掉一些信息，因此也称为信
我们先看一小段视频。 目前，这条视频的播放量已经超过8千万次。是不是挺吓人的？机器人受不了人的骚扰，奋起反抗了。幸运的是，这只是通过各种AI特效技术生成的假视频。虽然这些特效的逼真程度也很让人不安，但机器攻击人类的那一天总算还没有到来。 然而，联合国安理会利比亚专家组发布的一则报告却让人很难松一口气
机器需要一些指导信息才能越学越聪明。例如，拿一些袋鼠的照片给机器看，告诉它这是袋鼠，以后再见到袋鼠就认识了。这种学习方式通常称为监督学习。然而，很多时候这种手把手地指导很困难。比如，在教机器人走路时，告诉机器人如何抬腿迈步，如何保持平衡几乎是不可能的。怎么办呢？ 可以想想我们小时候是怎么学会走路的。
