内容均整理自：AI简介

Overview

你能在1s思考内做的事，基本都能被AI替代！！！

AI 简介

Week1


what is AI

监督学习：

输入a，输出b（邮件 –> 是否是垃圾邮件，语音 –> 文字），特定的AI，包括现在的LLM，输入一段文字，输出接下来可能的文字。

image-20250702200201482

LLM：监督学习，去预测下一个单词。

image-20250702200647808

传统AI，随着数据量增加，性能增长减缓

神经网络，深度学习

image-20250702201338348
机器学习，监督学习

Data：

image-20250702202339494


数据集就是行业内的A->B的映射

根据不同的语义，A也可以是价格，B是大小

image-20250702202737163

术语：data science，machine learning，deep learn，neural network

数据科学：分析，提取知识，辅助决策，输出的是观点

机器学习：输出的A –> B的映射，无需学习编程就能输出程序

image-20250702204910983
深度学习 = 神经网络：
image-20250702204943519
image-20250702205601835
一个好的视角：

什么是互联网公司？

我有一个商场，现在给我一个网站，我就是互联网公司？ no

把互联网允许你做的事做好

can or can not ：

can：你能在1s思考内做的事，基本都能被AI替代

机器学习可以从10000张x光肺炎照片中学习，然后进行诊断是否有肺炎


但不能像人类一样：从数十张照片+几章节的说明 中获得诊断肺炎的能力


image-20250702213047378
学习的是正照的x光，给的图片是躺着的x光，Ai 就不行了。没有举一反三的功能。

神经网络：


image-20250702213539511
image-20250702214716426
不需要你告诉每个节点需要计算什么，只需要你输入A，然后告诉他应该输出B。

Week2

  1. AI项目的工作流程
  2. 如何选择AI项目
  3. 如何组织数据&团队

工作流程


机器学习项目的工作流：

image-20250706135906073
目标：hello 唤醒音响

  1. 收集各种各样口音的hello
  2. 训练迭代模型
  3. 部署模型，收集新的数据，进一步更新


数据科学项目的工作流：

数据科学项目的输出是指导行动的观点或间接

image-20250706140849278

  1. 收集数据
  2. 分析数据
  3. 提出假设/行动验证


如何选择AI项目


image-20250706142327177
小的领域：优先考虑自动化的任务而不是自动化的工作。task > job！！！！

不要与火车赛跑：行业标准化的东西，不要再去自己造轮子了。


与AI团队合作


1.明确业务接受的标准，AI项目中通常是test set形式。训练集与测试集。


Week3


智能音箱
image-20250706150250719

自动驾驶

image-20250706150722339
image-20250706152057898

这里一个有意思的点就是：广泛的培训，不仅研发工程师还包括其他不同层级的人员（高管/业务人员)


image-20250706153923664
image-20250706154038697

主要应用领域：

  1. 计算机视觉
    1. 图像识别
    2. 物体探测
    3. 图像分割
    4. 跟踪
  2. NLP nature language process
    1. 文本分类
    2. retrieval
    3. 名称识别系统，提取人名，电话等信息
    4. 机器翻译
  3. Generative AI
    1. LLM就是文本生成式AI
  4. 机器人
    1. percept 感知
    2. 运动规划
    3. 控制
  5. General machine learning

理解数据

主流技术概念： 监督学习 A ->B

非监督学习：监督学习需要大量的数据，事实上没人会买1000个杯子去教孩子什么是杯子。

  1. 聚类算法：传统的监督学习需要大量的A -> B从而建立输入到输出之间的关联，聚类算法则是指需要输入，尝试从输入的数据集中寻找一些信息出来。
  2. 迁移学习：迁移学习让你从任务A，比如说一般车辆检测， 使用从A中的知识 用以完成另外的任务B， 比如说高尔夫车检测。
  3. 强化学习：类似宠物训练，做得好就奖励
  4. 生成对抗网络：擅长从什么都没有的情况下合成全新的图像
  5. 知识图谱：

Week4


image-20250706164835309
上图简要解释了AI是如何进行类比的：通过算法，建立坐标，然后试图构建平行四边形。

偏见，歧视

对抗性攻击


What the future?

工作：

  1. 有条件的基本收入
  2. Lifelong learning：大学4年买剩下40年的模式行不通了