机器学习
文章平均质量分 77
大囚长
大丈夫遗世独立,孑然一身。
展开
-
AI驱动的漏洞检测
AI可以帮助发现Web页面中的XSS漏洞。原创 2024-07-19 19:30:32 · 303 阅读 · 0 评论 -
个人电脑本地部署LLM
普通电脑配置即可本地运行大模型。原创 2024-04-26 10:44:04 · 1367 阅读 · 1 评论 -
百年后超级智能将“毁灭人类”
Hinton在演讲中表示:“2012年,我的两位学生Ilya Sutskever(后来成了OpenAI首席科学家)和Alex Krizhevsky,在我一点帮助下,展示了可以通过反向传播方式制作一个非常好的神经网络,在有一百万张训练图片时,可以识别一千种不同类型的对象。它不是由一个模型实现的,而是由不同硬件上运行的大量相同模型的副本实现的,一千个副本都去互联网上查看不同的内容并学习东西,然后,通过平均梯度或平均权重,每个代理都掌握了其他代理学到的东西,这种沟通比人类要强太多了。”Hinton坦言,原创 2024-03-19 16:38:12 · 932 阅读 · 0 评论 -
浅谈大模型“幻觉”问题
大模型的幻觉(Hallucination)是指当人工智能模型生成的内容与提供的源内容不符或没有意义的现象。这可能包括逻辑错误、捏造事实、数据驱动的偏见等。产生幻觉的原因主要是由于训练数据的压缩以及信息的不一致、受限或过时造成的。为了减轻幻觉,可以采取调整模型参数、改进提示设计、整合外部知识源等方法。原创 2024-03-19 15:14:21 · 581 阅读 · 0 评论 -
开源 sysgrok — 用于分析、理解和优化系统的人工智能助手
在这篇文章中,我将介绍 sysgrok,这是一个研究原型,我们正在研究大型语言模型 (LLM)(例如 OpenAI 的 GPT 模型)如何应用于性能优化、根本原因分析和系统工程领域的问题。你可以在上找到它。转载 2024-03-15 14:06:09 · 95 阅读 · 0 评论 -
AlpacaEval Leaderboard大模型排行榜
参考原创 2024-03-08 14:50:55 · 1115 阅读 · 0 评论 -
gym平衡木训练Q-learning完整代码
【代码】gym平衡木训练Q-learning完整代码。原创 2024-03-07 18:52:34 · 504 阅读 · 0 评论 -
AIOps入门
一旦我们有了一个模型,我们就开始通过调整超参数来提高它的性能,测试不同的学习方法,直到我们对模型的性能满意为止。比如,数据pipeline链接到数据库,AI 模型可以访问数据库,AI 模型以某种方式对外暴露预测的接口,并且可以把格式化输入传入到模型中。部署在移动应用上的边缘模型。选择最需要的特征,也就是说:我们的模型可能并不需要所有的数据来训练。AI 模型需要大量的数据进行学习,我们要收集涉及到需求的所有数据。所以需要规划程序的功能,并编写、构建、测试、部署,直至将它发布出来,然后监控应用程序的基础设施。转载 2024-03-07 14:50:51 · 103 阅读 · 0 评论 -
Datadog平台各服务简介
Datadog 是一个云监控平台,提供了多种服务来帮助用户监控、分析、优化和保护他们的应用程序、基础设施、网络和安全。: 监控和可视化用户的云、混合或本地基础设施的性能、可用性和健康状况。: 收集和分析用户的网络流量数据,以识别和解决网络问题,优化网络连接和性能。: 监控和管理用户的网络设备,如路由器、交换机、防火墙等,以确保网络的稳定性和安全性。: 监控和管理用户的容器化应用程序和服务,如 Docker、Kubernetes、Amazon ECS 等,以提高容器的效率和可靠性。原创 2024-03-07 11:43:08 · 1438 阅读 · 0 评论 -
AIOps常见问题
因此,可以说AIOps的agent已经成为一个全能的系统工具,它不仅是AIOps平台的数据源,也是AIOps平台的执行器和展示器,是实现智能运维的重要组成部分。当然,AIOps的agent还有很多的优化和创新的空间,比如如何提高agent的安全性、稳定性、兼容性、可扩展性等,这些都是AIOps的agent未来需要持续探索和解决的挑战。AIOps的agent是指部署在IT系统中的一种软件组件,它可以收集和传输各种类型的运维数据,如日志、指标、事件、配置、拓扑等,供AIOps平台进行分析和处理。原创 2024-03-06 18:58:15 · 1271 阅读 · 0 评论 -
为什么AI越来越像玄学
毫无疑问,AI大模型的发展已经超出了人类的理解能力,我们把大模型称之为“黑箱”,甚至因sora引起了大佬之间的舌战,有人认为sora懂物理世界,有人认为sora只会预测token,修改像素,但是为什么一个大模型能够操纵像素生成如此复杂场景的视频依然令双方费解。原创 2024-02-22 15:41:16 · 1104 阅读 · 0 评论 -
关于《人工智能法案》你应该知道的真相
人工智能法案》是欧盟的一项法规,旨在为人工智能引入一个共同的监管和法律框架,保障人类的安全、健康和基本权利,同时促进人工智能的创新和发展。该法案根据人工智能应用可能造成的风险,对其进行了不同的分类和监管,从禁止的行为、高风险系统,到有限风险和低风险的系统。该法案还建议成立欧盟人工智能委员会,以推动成员国之间的合作,并确保遵守相关法规。该法案于2021年4月21日由欧盟委员会提出,2023年6月14日获得欧盟通过,2023年12月8日与欧洲议会和欧盟成员国达成协议。原创 2024-02-04 13:31:48 · 977 阅读 · 0 评论 -
我们距离AGI还有多远
AGI(人工通用智能)是指能够像人类一样完成任何智能任务的人工智能系统。AGI的目标是创建一个全面智能的系统,可以解决广泛的问题并进行多种任务。这种系统能够在不同的环境中适应和学习,并且可以从不同的来源中获取信息,像人类一样进行推理和决策。原创 2024-01-31 14:02:44 · 980 阅读 · 0 评论 -
无人化运维的AIOps,还有多远的路要走
AIOps就是为了解决上述问题而生,其价值在于通过机器学习来进行运维数据的挖掘,帮助人甚至代替人进行更有效和快速的决策,从而提升业务系统的SLA,减小故障处理的时间等,带来业务的价值,并最终实现真正意义上的无人值守运维。目前国内大部分公司在技术层面的原创力都还不够强,很多都是利用国外的开源代码,有的公司甚至将几个开源产品拼凑在一起,内部之间仍是相互独立、割裂的,没有彼此打通,以至于最后的方案也不怎么好用,需要大量的人力运维支持。一方面,技术有限,在线系统本身具有规模性和复杂性,是需要长期投入的研究领域;转载 2023-02-09 19:16:06 · 344 阅读 · 0 评论 -
深度学习遇到了瓶颈了吗
在从分析的数据中学习模式之前,AI应用程序从空白的平板开始,而婴儿开始时具有遗传头部开始和大脑结构,这使得他们可以学习比数据和模式更多的东西。在实践中,大数据集的结果往往非常好,广泛的潜在映射。深度学习和机器学习的进步都起到了最近AI成就了的核心作用,让计算机进行练习,通过消化和分析大量的数据,而不用明确地编程,就可以达到目的。我们还必须确保我们复杂的AI系统完成我们希望他们做的事情,并按照我们希望他们的行为方式行事,这是深度学习算法的一个特别棘手的问题,这些算法在没有明确编程的情况下接受数据训练和学习。转载 2022-10-28 14:11:50 · 257 阅读 · 0 评论 -
心理学在人工智能领域的作用
现在,随手翻阅任何心理学和人工智能的教材,都很难从学科内容上窥探出二者存在何种关联。但事实上,若论对人工智能研究的影响,大概没有哪门学科能够与心理学相媲美。从人工智能创立之初的纽厄尔(Allen Newell)、西蒙(Herbert A. Simon)及尼尔森(Nils J. Nilsson),到中期的安德森(John Anderson)、霍金斯(Jeff Hawkins)、巴赫(Joscha Bach),再到近期的辛顿(Geoffrey Hinton)、马库斯(Gary Marcus),这些人工智能的翘楚转载 2022-09-23 09:38:27 · 961 阅读 · 0 评论 -
神经网络——最易懂最清晰的一篇文章
神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。本文以一种简单的,循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求,但是懂一些机器学习基础会更好地帮助理解本文。神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑中的神经网络是一个非常复杂的组织。成人的大脑中估计有1000亿个神经元之多。图1 人脑神经网络那么机器学习中的神经网络是如转载 2022-07-12 12:49:18 · 989 阅读 · 0 评论 -
图解GPT3的工作原理
GPT3炒作在科技界引起了轩然大波。大量的语言模型(如GPT3)的能力开始让我们感到惊讶。虽然大多数企业还不能完全放心地将这些模型展示在客户面前,但它们正显示出一些聪明的火花,这些火花肯定会加速自动化进程,并推动智能计算机系统的发展。让我们消除GPT3的神秘光环,了解它是如何训练和如何工作的。经过训练的语言模型生成文本。我们可以选择向它传递一些文本作为输入,这将影响它的输出。这些输出是由模型在训练期间扫描大量文本“学到”的东西产生的。训练是将模型暴露于大量文本的过程。该过程已经完成。您现在看到的所有实验都来转载 2022-07-04 19:13:26 · 6033 阅读 · 0 评论 -
numpy中dot函数使用与解析
在Python中使用numpy时遇到一个函数dot函数,即点乘函数,具体的内部原理以及使用方法,这里进行记录下:首先是一维矩阵的操作:其运算时直接进行乘积:一维矩阵实际就是每个对应的点进行相乘,然后相加对应二维矩阵的点乘是,如果a.dot(b),a的行与b里列数相等,并且行的每一个元素,与列的每一个元素相乘。内部的原理为:[0 2 3 1]分别和 [12][12][15][12]进行相乘上面为numpy库内dot函数的基本原理;...转载 2022-07-04 14:56:23 · 598 阅读 · 0 评论 -
Python 实现一个简单的神经网络(附代码)
从session文件夹打开想要取消记录的密码的session文件C:\Users\用户名\AppData\Roaming\VanDyke\Config\Sessions转载 2022-07-04 14:38:42 · 4795 阅读 · 1 评论 -
LeCun预言AGI:大模型和强化学习都是斜道!我的世界模型才是新路
AI界当代最著名巨擘之一、Meta的AI实验室灵魂人物Yann LeCun,长期致力于让机器对世界的运转理念有基础了解,也就是让AI获得常识。LeCun过去的做法,是用视频选段训练神经网络,让AI逐个像素地预测日常活动视频下一帧将会出现啥。不出人意料地,他自己承认这途径撞上了铁板。在数月到一年半之间的思考后,LeCun对下一代AI有了新的想法。AI新路径在《MIT科技评论》的采访中,LeCun勾勒出他的新研究路径,称如此会给机器赋予探索世界的常识基础。对LeCun而言,这就是打造AGI(通用人工智能)的第一转载 2022-06-28 12:06:05 · 152 阅读 · 0 评论 -
copilot现已加入您的vscode豪华套餐
申请成功,等待测试!https://copilot.github.com/原创 2021-08-16 14:14:33 · 4792 阅读 · 6 评论 -
使用lambda stack安装深度学习框架全家桶
This post shows you how to install TensorFlow & PyTorch (and all dependencies) in under 2 minutes using Lambda Stack, a freely available Ubuntu 20.04 APT package created by Lambda (we design deep learning workstations & servers and run a pu...转载 2021-07-16 17:59:36 · 701 阅读 · 0 评论 -
关于大脑极限
大脑极限本词条缺少概述图,补充相关内容使词条更完整,还能快速升级,赶紧来编辑吧!人脑最独特的是思维意识。就世界顶级科学家们也无法得知人的思维意识是怎样产生的。可电脑想要做到那种程度要过多长时间还是个未知数。而人脑和电脑最大的差别就在于,人脑的进化速度要比电脑的进化速度快多了。中文名大脑极限思维形式两种东方称为灵魂差 别人脑和电脑目录1人脑极限2大...转载 2021-07-13 17:07:06 · 872 阅读 · 0 评论 -
GPT-3:是富人的游戏,还是未来的电力?
我们从没像今天这样,离AGI如此之近,又如此之远,就差临门一脚得距离,但问题是我们的脚要多坚硬多有力,而大门又有多坚固多厚实? GPT-3:是富人的游戏,还是未来的电力? .转载 2021-07-13 16:41:56 · 399 阅读 · 0 评论 -
AI算法效率每16个月提速一倍,算力革命超越摩尔定律
作者 | 蒋宝尚编辑 | 丛 末摩尔定律预测芯片性能每18个月翻一倍,那 AI 算法性能多少个月翻一番?答案是16个月。图注:蓝点是给定时间的最低计算机,灰点是测量值。观察结果是每16个月性能翻一倍。近日,OpenAI针对AI算法在过去数年中性能的提升做了一个详细的分析。他们发现,自2012年以来,在 ImageNet 分类上训练具有相同性能的神经网络,所需要的计算量,每16个月降低一倍。与2012年相比,现在将神经网络训练到 AlexNet 的性能,所需的计算量仅为原来的1/44(相比之下,摩尔定律仅降低转载 2021-07-05 14:17:50 · 336 阅读 · 0 评论 -
神经网络主要类型及其应用指南
神经网络主要类型及其应用指南https://medium.com/towards-artificial-intelligence/main-types-of-neural-networks-and-its-applications-tutorial-734480d7ec8e目前深度学习中的神经网络种类繁多,用途各异。由于这个分支在指数增长,跟踪神经网络的不同拓扑有助于更深刻的理解。在本文中,我们将展示神经网络中最常用的拓扑结构。图2: 感知器: 大脑中信息存储和组织的概率模型[3] | 来源: 康奈尔航空实转载 2021-05-27 13:40:53 · 1974 阅读 · 0 评论 -
涉及机器学习的一些理论和哲学问题
推荐yjango的《学习观》系列视频bilibili搜索“学习观”知乎地址https://www.zhihu.com/column/YJango很多人批判《学习观》,但是从机器学习推导人类学习过程,是非常有趣,有借鉴意义的。一些批判者甚至搞不懂机器学习为何物。...原创 2021-05-17 11:17:43 · 240 阅读 · 0 评论 -
如何生动有趣的入门线性代数
向量点乘先让我们来看一段视频,但我希望你只看一遍!PPAP洗脑全球如果你继续读到了这句话,那么恭喜你,你抵抗住了病毒的洗脑。同时你听到了3个向量点乘。1、I have a pen, I have an apple—->apple pen (eq.1) 2、I have a pen, I have a pineapple—->pineapple pen (eq.2) 3、apple pen, pineapple pen—->pen pineapple apple pen (eq.3)转载 2021-05-17 11:14:07 · 900 阅读 · 1 评论 -
关于16k分辨率和VR
研究显示人眼的分辨率为16K,只有在VR达到16K之后,人眼才察觉不到纱窗效应,其他视角和刷新频率不是我们讨论重点。16k分辨率为15360*8640,约1.3亿像素。如果是黑白二值图像,不压缩的情况下为1bit如果是256种状态的灰度图像,一个像素是1Byte如果用256种状态标识屏幕上某种颜色的灰度,而屏幕采用三基色红绿蓝(RGB),不压缩的情况下一个像素需要占用24bit(3字节)...原创 2019-07-18 19:22:29 · 18755 阅读 · 0 评论 -
大脑为什么需要睡眠
睡眠的主要功能是让大脑休息和帮助我们记忆。首先,很显然,睡眠能帮助我们节约能量。从进化的角度上来说,睡眠最开始可能只有一个简单的功能,随着演化的过程又不断被赋予了新的使命。就好比当初手机是被发明用来打电话的,伴随着科技的进步,我们逐步开始使用手机来拍照、上网、发邮件和聊微信等等。研究表明,睡眠不是具备大脑袋和复杂记忆的脊椎动物所独有的,几乎所有的动物都是需要睡觉的(图1)。简单如细菌也有着昼夜节律。因此,在睡眠的好处中,适用于最广泛的物种的好处很可能就是其最原始的作用。图1. 不同动物每天的睡眠时长。一般来转载 2021-05-14 17:16:02 · 886 阅读 · 0 评论 -
大脑为什么会做梦
我们为什么会做梦 几乎所有人都会做梦。梦是《红辣椒》、《盗梦空间》等电影里可被入侵篡改从而扭转现实的潜意识域,是《环形废墟》、《爱丽丝梦游仙境》等小说中遍布意象变形与因果变异的太虚幻境,也是“故人入我梦,明我长相忆”、“故国梦重归,觉来双泪垂”等诗词间深情厚意的记忆重温。用科学的语言描述,梦是一种主观的生理体验,包括在睡眠中经历的图像、声音、思想和情绪。在梦中,我们可以释放真实的自我,逃离时空的束缚,铺开庄周梦蝶般天马行空的遐想。打开腾讯新闻,查看更多图片 >梦是如何产生的?梦的功能又是转载 2021-05-14 17:09:43 · 580 阅读 · 0 评论 -
大脑为什么会选择遗忘?
6月21日,多伦多大学布莱克·理查兹(Blake Richards)教授在《神经元(Neuron)》杂志的一篇文章中说,好记性不等于记住所有事情,忘记也许更有助于我们驾驭这个从未止步的世界。 理查兹教授认为,人类 大脑并不像摄影机那样机械记录,而是通过选择记住更有价值的信息,协助人们在未来做出最优判断。即便记住了所有的事情,大脑里的空间也用不完,但它会强行让人遗忘,它会“重写”神经元对旧的记忆进行覆盖,或者弱化 神经元之间的突触连接。这么做有两个...转载 2021-05-14 16:16:26 · 270 阅读 · 0 评论 -
人脑的算力估算
这篇文章的起因是前些天听到一句话:“人脑的算力大概是5000TOPS”,由此产生了些许疑惑。本着“求是”的精神,讨论一下人脑算力的估算值。如果你也有诸如“电脑的计算力达到人脑水平了吗”之类的疑惑,推荐你阅读。首先,为了完成算力估算和对比,得和读者们约定一个计量单位。这里我们使用在业界常用的指标:OPS,即每秒运算次数(Operations per second)。对任一个处理器,每秒钟能够处理的运算次数越多,则意味着算力越强。一些常见的单位包括:GOPS(gigaOPS,每秒十亿次运算)TOPS(teraO转载 2021-05-14 15:31:44 · 4246 阅读 · 0 评论 -
康威生命游戏是如何搭建计算机的?
2020年4月,数学家约翰·康威(John H. Conway)因新冠肺炎去世。大家回顾康威教授平生贡献时,不可避免要提到伟大、深刻的“康威生命游戏”(Conway’s Game of Life)。康威生命游戏规则极简,内涵却无比丰富,可演变出震撼人心的宏大场景。其中,程序员最为之着迷的,是由PhiNotPi、El’endia Starman、 K Zhang等人组成的极客团队耗时一年半创建的史诗巨作——他们用康威生命游戏搭建了一台名为“俄罗斯方块处理器”(Tetris Processor)的通用计算机,并转载 2021-04-28 12:04:26 · 1079 阅读 · 0 评论 -
机器学习算法在游戏中的一些具体应用
具体游戏场景中,可以有以下应用:机器学习可以应用在几个方面。第一个是创建NPC,有多种行为的NPC, NPC已经学习了很多人类行为,这会让与人类的交互更为自然。第二个是游戏本身。AI能够为优化玩家的乐趣进行学习,而不是为开发者的乐趣而进行优化。对于玩家来说,会有更多个性化和定制化的东西。第三个是一个完全不同的领域,就是我们用机器学习在游戏发布前测试游戏。确保使用agent代替人类玩家进行游戏时,你能够了解游戏是否能顺利进行。此外,在游戏中如果人类玩家数量很少,就可以用agent代替人类玩家。最后一个方面是原创 2021-05-13 15:45:05 · 2101 阅读 · 2 评论 -
机器学习?人工智能?傻傻分不清楚?
人工智能并不是一个新的术语,它已经有几十年的历史了,大约从80年代初开始,计算机科学家们开始设计可以学习和模仿人类行为的算法。在算法方面,最重要的算法是神经网络,由于过拟合而不是很成功(模型太强大,但数据不足)。尽管如此,在一些更具体的任务中,使用数据来适应功能的想法已经取得了显着的成功,并且这也构成了当今机器学习的基础。在模仿方面,人工智能专注于图像识别,语音识别和自然语言处理。人工智能专家们花费了大量的时间来创建诸如边缘检测,颜色配置文件,N-gram,语法树等。不过,这些进步还不足以达到我们的需求。传转载 2021-05-13 17:42:53 · 156 阅读 · 0 评论 -
深度强化学习是否存在过拟合的问题
原文:https://ai-guru.de/fighting-overfitting-in-deep-reinforcement-learning/过拟合是深度学习和传统机器学习中的一个众所周知的问题。过拟合可以粗略地解释为:模型在多大程度上记住了训练数据。大量的过拟合可以理解为缺乏普遍性,即缺乏泛化能力。你的模型不能很好地处理它尚未看到的数据。通常,这会导致模型无法正常工作。可以肯定的是,深度强化学习也遭受过拟合的困扰。深度强化学习采用数据驱动的方法深度学习,并将其提升到目标驱动的水平。它不再处理数据,而转载 2021-05-14 11:21:40 · 1988 阅读 · 0 评论