迎接AIGC：掌握隐空间(一)

<正>1前言上一期里我们曾经谈到AI有3种型：识别型AI、生成型AI、决策型AI。一般而言,2020年之前,识别型AI是主流;而在2020年之后,生成型AI和决策型AI逐渐蔚为主流。尤其是生成型AI模型,如长江后浪前浪,蒸蒸日上。因之,本期就来谈谈生成型AI(例如AIGC)的魅力源头：隐空间(Latent space)。愈擅长于操作隐空间向量(Vector),就愈能生成令人惊讶的创作。现在,我们就来认识隐空间,建立扎实的基础,以便顺畅迎向AIGC新潮流。     

从隐空间理解编码器(Encoder)

<正>1前言当我们在阅读关于AIGC的文章时,常常会看到Encoder和Decoder名词。它们是AI(即ML)的核心模型,如果能深入理解它们的涵意和功能,就能更流畅地理解相关文章的内容,以及图示。例如,关于Diffusion(扩张模型)的文章里常看到如图1。     

不登长城，不知序为何物

近年来,软件开发者及企业信息主管们,喜欢谈SOA技术及其松耦合（Loosely—coupled）的效益,期待软件团队和企业都能敏捷起来,也相信这是能解开软件开发难题的万灵丹。     

学贯中西(6):阐述ML分类器的工作流程

1 天字第一号ML模型:分类器 在上一期里,曾经在Excel画面的幕后,设计了一个分类器(Classifier)模型,将各<诗句>归类到各自所属的<作品>.此时,把一个作品名称(如静夜思),当作一个类(Class).于是,这种ML模型,就通称为:分类器.在ML(机器学习)领域中,分类器就是天字第1号模型.     

学贯中西(5):以AI表达五言唐诗的知识图谱

1 ML模型的创新组合 前面几期里,说明了AI(人工智能)ML(机器学习)模型的记忆和推论技能,善于表达事物或现象之间的关系.于是,我们可以建立许多个AI模型,然后把它们串连组合起来,就能够表达形形色色的知识网络(Knowledge Networks),又称为知识图谱(Knowledge Graph).在本期里,将举唐...     

云计算与端服务平衡发展之道——云产业的有机次序

在城市交通里,人们创造了“红绿灯和斑马线”模式来实现其有机次序;在云端产业里,我们设计出双龙献瑞系统架构,实现云产业的有机次序。     

ML(机器学习):轻松理解回归观念

1 简单的回归观念 当今主流的AI是机器学习(ML).这种AI的主要能力之一就是:从复杂的数据里探索潜在的规律.基本的概率和回归分析观念,就是AI/机器学习探索规律的基础技术.例如,有一群二维的数据点,有一条最具有代表性的直线:X*W+B=Y.在统计学上,这条线通称为:回归(Regression)线.其中,X[ ]和Y...     

AI讲座:多维度的特征对应

1 从三维空间对应出发 在前面的范例里,都只使用到简单的一维和二维的特征(空间)对应.在本文中,将继续扩大为三维的特征对应.一旦熟悉了三维的特征对应,就能轻易地继续扩大到更多维的特征对应了. 例如下图,是从三维的X空间对应到二维的Z空间.其中收集了5个人的特征数据,每个人都有3项特征:是否擦口红、是否穿高跟鞋以及是否抽...