AI基础认知 这就像给机器一堆未经整理的杂乱物品，让它自己找到分类方式、总结共性，或者绘制一张揭示物品关系的地图，而不是直接告诉它这是A类，那是B类 核心思想输入：只有数据本身（特征），没有对应的标签/答案，目标：探索数据内部的固有结构，方法：通过算法，寻找数据点之间的相似性和差异性，与监督学习的对比为了更好地理解,可以将其与监督学习进行对比：特性... 星博讯 2026-04-09 25 #无监督学习 #聚类
AI基础认知 强化学习入门指南 什么是强化学习？强化学习是机器学习的一个分支，关注智能体（Agent）如何通过与环境（Environment）交互来学习最优策略，以最大化累积奖励（Reward），与监督学习不同，强化学习没有标注数据... 星博讯 2026-04-09 22 #强化学习 #入门指南
AI基础认知 半监督学习 是机器学习的一个分支，它同时利用少量有标签数据和大量无标签数据来进行模型训练。它介于监督学习（全部数据有标签）和无监督学习（全部数据无标签）之间 利用无标签数据中蕴含的数据分布、结构信息，来辅助和提升仅用少量有标签数据训练出的模型性能，一个生动的比喻想象你要学习识别不同品种的狗：监督学习：你有一本带详细图片和名称的《世界名犬图鉴》（全部有标签）... 星博讯 2026-04-09 25 #半监督学习 #无标签数据
AI基础认知 自监督学习（Self-Supervised Learning，SSL）是机器学习的一种范式，其核心思想是让模型从无标签的数据中自动生成监督信号（或称伪标签）进行学习，从而学习到数据中有意义的表示 它解决了“没有人工标注数据，如何让机器学习”的问题，核心思想在传统监督学习中，我们需要为每个数据样本（如图片）提供人工标注的标签（如“猫”或“狗”），自监督学习则不同，它利用数据自身的内在结构或信息来... 星博讯 2026-04-09 22 #自监督学习 #监督信号
AI基础认知 1.核心定义 迁移学习 是指将从一个任务（源领域）中学到的知识，应用于另一个相关但不同的任务（目标领域）中，以提升后者性能和学习效率的过程，简单类比：就像一个学会了打羽毛球的人，再学习打网球会更快，因为他已经掌握了... 星博讯 2026-04-09 27 #核心 #定义
AI基础认知 1.什么是大语言模型？ 大语言模型是一种基于深度学习、在海量文本数据上训练出的、能够理解、生成和操作人类语言的人工智能模型，可以把它理解为一个“超级文本预测机”，它的核心任务是：给定一段已有的文本，预测下一个最可能出现的词是... 星博讯 2026-04-09 35 #大语言模型 #定义
AI基础认知 我们可以从以下几个核心层面来理解其基本原理 从“分析”到“合成”传统判别式模型：解决“这是什么？”的问题，图像分类（判断图片是猫还是狗）、垃圾邮件过滤，它学习的是不同类别数据之间的边界，生成式模型：解决“如何创造这个？”的问题，写一首诗、画一幅... 星博讯 2026-04-09 24 #基本原理 #核心层面
AI基础认知 一、核心定义 多模态 AI 指的是能够处理、理解和生成来自多种“模态”信息的人工智能系统，模态：指信息的类型或表现形式，常见的模态包括：文本：书面或口头的语言，视觉：图像、视频、动态捕捉，音频：语音、音乐、环境声音... 星博讯 2026-04-09 28 #定义
AI基础认知 自然语言处理（NLP）是人工智能的一个关键领域，专注于让计算机理解、解释和生成人类语言。它的目标是搭建人与机器之间沟通的桥梁 核心任务NLP的研究通常围绕以下几个核心任务展开：基础理解类：分词： 将连续的文本分割成有意义的词语或符号（如中文分词），词性标注： 为每个词语标注其词性（名词、动词等），句法分析： 分析句子的语法结... 星博讯 2026-04-09 24 #自然语言处理 #人机交互
AI基础认知 自然语言处理（NLP）是人工智能的核心领域之一，旨在让计算机理解、解释和生成人类语言。其基础技术涵盖从文本预处理到高级语义理解的多个层面，主要包括以下内容 分词（Tokenization）将连续文本切分为独立的词或子词单元,英文通常以空格和标点分割，而中文等无空格语言需借助分词算法（如最大匹配、基于统计的模型），词性标注（Part-of-Speech T... 星博讯 2026-04-09 21 #自然语言处理 #语义理解
