天才一秒记住【长江书屋】地址：https://www.cjshuwu.com
以
9
为例，当它出现时会点亮下一层认为接近圈和数的神经元，大概有
8
到
10
个神经元被点亮，然后进入倒数第二层确认代表圈和数的神经元，最终在输出层得出结果。
但实际上，仅从输入层计算复杂的非线性问题难度很大，于是计算机专家想到了人脑的经验机制。
比如“杯弓蛇影”
，弓的倒影和蛇相似，经验会影响判断，输出端也会反过来影响大脑对事物的认知。
在图像识别中，当机器识别手写数字
2
时，可能会认为
3
和
6
的可能性最高而给出错误结果，这时可通过人工在输出层给出新权重，将
2
打成最高分，其他数字为
0，反向输入后机器就能学会识别类似的手写
2，这种训练方法就是反向传播，它是深度学习的核心训练方法之一。
然而，神经网络存在“黑箱”
问题，它由多层神经元组成，大量参数相互作用，决策基于统计规律，人类难以理解其逻辑，也很难解释每一层学习到的含义。
人类大脑约有
860
亿个神经元，通过约
100
万亿个神经突触相互沟通协作，其运作原理同样神秘。
2017
年，谷歌的八位计算机专家发表了具有跨时代意义的论文《注意力机制是唯一需要的》，提出的
transformer
模型为后来的大语言模型（如
chatgpt）奠定了理论基础。
这篇论文的了不起之处在于提出了自助注意力机制这一数学解决方案，让科学家坚信神经网络能产生类似智能的东西并回答问题。
接下来谈谈计算机回答问题。
语言是一个终极概念，日常对话、手语、计算机编程语言、数学等都是语言。
数学作为一种语言，具有结构、语法、普世性和精确性，大语言模型能从纯数学中模拟语言结构和模式。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！