神经元可能做不了多少事情，但是当我们将许多神经元放在一起时，我们可以实现很多目标。您已经在每一步、手机上的各种选项、GPS 以及许多其他与人工智能相关的工具中使用它。并更好地理解为什么只有今天才可能实现以及为什么。为什么直到今天我们每个人才能使用如此酷的小玩意？我将向你展示一个小实验。我们这里有两个 8 x 8 像素的屏幕。左侧为正，右侧为负。我敢打赌，作为人类，您可以毫无问题地识别哪个方块代表正，哪个方块代表负。
嗯，这对于计算机来说并不那么容易，因为看到加号和减号根本不完美。 这里缺少一个像素，那里的一个像素有点亮。嗯，世界并不完美，生活也不完美。这就是为什么我们的日常生活看起来像这样。这就是现实。而我们作为生物，必须面对它。计算机从一开始就被设计为零到一的设备，从哲学上讲，它们从一开始就不适合处理这种不可靠、损坏和不精确的信号。然而，GPT 聊天效果很好。如果你在提示中输入错误，他仍然会理解你的意思。那么这怎么可能呢？它是如何运作的？所以我们有 8 x 8 像素，如果我们希望计算机能够判断给定图像是正还是负，那么 8 x 8 我们需要 64 个神经元，那么我们在左侧和右侧有 64 个神经元侧面我们有两个大的神经元正负。
当整个网络认为某件事是优点或给定图像是缺点时，它们应该亮起并被激活。现在这里有一个密集的连接网络，我数了一下有 552 个连接，每个连接都有这些权重 U1、U2。 训练神经网络涉及选择这些权重，显示数百个、数千个正负，直到选择了这样的权重，最终它正确地点亮了最后的神经元，指示正负。训练这个网络需要大量的计算工作，但它只有 500 个参数。我们有一个简单的任务来区分正负。如果我们现在将整个网络想象为您正在查看的屏幕上的一个像素，因为您现在正在手机、笔记本电脑或其他设备上观 纳米比亚 whatsapp 看网出的一个非常有趣的逻辑测试概念。嗯，在他的概念中，人类法官同时与另一个人和机器进行对话，用自然语言进行自由对话。只是他看不到他的对话者。当仅根据对话内容，不看对话者，无法判断自己是在与人交谈还是与机器交谈时，这就是机器通过测试的时刻，即图灵测试。 这是一个测试，可以告诉我们人类是否能够区分另一边我们面对的是另一个活人还是一台机器。图灵预测，到 2000 年左右，我们可以期望机器能够通过这项测试。
而回顾这些年，他的这个预测并没有那么错误。它是如何运作的？事实上，正是神经网络或 GPT，泽西描述了人工智能方面让我们如此兴奋的一切。当今发展最活跃的人工智能的主要趋势是神经网络。我想告诉您这些网络是如何形成的。它们是关于什么的，以便大家更好地理解这个问题。图中有一个人脑，您可能还记得生物课上的神经元简化图。它有较短的延伸，可以接收来自其他神经元的信息，而这个长延伸称为轴突，它在我们的大脑中发出大约 1000 亿个这样的细胞。