AI基础认知 一、核心思想与比喻 想象你在平面上有一堆红色和蓝色的点，你需要画一条线把它们分开，这样的线可能有无数条，SVM的目标是找到“最好”的那条线，什么是最好的？ 最好的线是能让两类点离它都尽可能远的那条线，也就是说，它不仅要分... 星博讯 2026-04-09 21 #核心思想 #比喻
AI基础认知 一、核心定义与目标 聚类 的目标是：将数据集中的样本划分为若干个不相交的子集（称为“簇”或“类”），使得同一簇内的样本尽可能相似，而不同簇的样本尽可能不同，无监督：这意味着我们进行聚类时，数据没有预先标注的标签或类别,算... 星博讯 2026-04-09 25 #核心定义 #目标
AI基础认知 一、什么是分类问题？ 分类是监督学习中最核心的任务之一，其目标是：根据已知的、带有标签的样本数据，学习一个模型，用于预测新数据所属的离散类别，输入： 特征（Feature）向量，判断一封邮件是否是垃圾邮件，特征可能包括：发... 星博讯 2026-04-09 20 #分类 #问题
AI基础认知 回归是机器学习中监督学习的一个核心分支，其目标与分类问题形成鲜明对比 核心定义回归 是一种用于预测连续数值的统计方法和机器学习算法，它通过建立一个模型（一个数学函数），来描述一个或多个自变量（特征）与一个因变量（目标值）之间的关系，回归解决的是“多少？”的问题，而分类解... 星博讯 2026-04-09 15 #回归 #分类
AI基础认知 什么是GAN？ 生成对抗网络 是一种深度学习模型，是 生成模型 的一种，它的核心思想非常巧妙：通过让两个神经网络相互对抗、相互博弈，从而学习到真实数据的分布，并创造出新的、逼真的数据，最常被用来类比的就是 “假币制造... 星博讯 2026-04-09 15 #生成器 #判别器
AI基础认知 核心思想，一个先破坏再学习修复的逆向思维过程 想象一下教AI画画：传统方法（如GAN）：直接学习一张完美的画是什么样的，然后尝试画出来，这很难，容易出错，扩散模型的方法：先把一幅画（训练数据）一点点地加上“噪点”，直到它变成一片完全随机的、没有意... 星博讯 2026-04-09 15 #破坏 #修复
AI基础认知 核心比喻，信息的压缩与解压 想象一下,你要给朋友写一封描述你家客厅的信，你不会事无巨细地记录每一粒灰尘，而是会说：“一个约30平米的长方形房间，中间有一张灰色沙发，对面是55寸电视，左侧有落地窗，现代简约风格，”编码： 这个过程... 星博讯 2026-04-09 15 #压缩 #解压
AI基础认知 变分自编码器是一种结合了深度学习与概率图模型的强大生成模型。简单来说，它是一个能学习数据分布，并可以从该分布中生成新样本的神经网络 从“确定性编码”到“概率性编码”为了更好地理解VAE,我们先从其前身——标准自编码器说起，标准自编码器：结构：由编码器和解码器两部分组成，编码器将输入数据 x（如图片）压缩成一个低维的潜在向量 z，解... 星博讯 2026-04-09 18 #变分自编码器 #生成模型
AI基础认知 这是一个非常好的问题。AI的发展阶段有多种划分方式，可以从技术能力、应用范式、与社会融合程度等多个维度来看 以下是一种被广泛接受和讨论的四阶段划分，它清晰地勾勒了AI从概念到未来的演进路径：核心四阶段划分（基于能力与目标）第一阶段：规则驱动AI / 弱人工智能时间：1950s - 1980s核心思想：“符号... 星博讯 2026-04-09 16 #演进阶段 #范式变革
AI基础认知 当然，第一次人工智能热潮 大约发生在 20世纪50年代中期至70年代初。这是一段充满乐观、开创性突破，但最终因现实局限而陷入低谷的时期 这是一场 “推理与探索” 的热潮，核心思想是：机器可以通过赋予其逻辑推理能力和对符号的操控，来模拟人类的智能，核心特征与关键理念符号主义 AI：这一时期的AI研究主流是“符号主义”，研究者认为，智能的... 星博讯 2026-04-09 14 #第一次人工智能热潮 #人工智能低谷
