如果要用一句話概括AI的訓(xùn)練和推理的不同之處，我覺得用“臺上一分鐘，臺下十年功”最為貼切。

話說小明已經(jīng)和心目中的女神交往數(shù)年，在邀約女神出門這件事上積累了大量的經(jīng)驗數(shù)據(jù)，但卻依然捉摸不透其中的玄機。

借助AI技術(shù)，能否實現(xiàn)精準(zhǔn)預(yù)測呢？

小明思考再三，總結(jié)出了可能影響女神是否接受邀請的變量：是否節(jié)假日，天氣不好，太熱/太冷了，心情不好，生病了，另有他約，家里來親戚了......等等。

圖片

將這些變量加權(quán)求和，如果大于某個閾值，女神必定接受邀約。那么，這些變量的都占多少權(quán)重，閾值又是多少呢？

這個問題相當(dāng)復(fù)雜，難以精確求解。于是小明設(shè)計了一個深度神經(jīng)網(wǎng)絡(luò)，準(zhǔn)備基于多年來積累的存量數(shù)據(jù)對AI模型進行大量的訓(xùn)練，讓AI自己學(xué)習(xí)其中的規(guī)律。

圖片

豐富的數(shù)據(jù)積累是小明最大的優(yōu)勢。于是他經(jīng)過整理，把上述所有變量都準(zhǔn)確列了出來，并和是否邀約成功也做了精確的對應(yīng)。這就叫做“數(shù)據(jù)標(biāo)注”。

圖片

有了數(shù)據(jù)，就把它們投喂給AI。AI讀取每一組數(shù)據(jù)，采用初始的默認(rèn)權(quán)值進行評估，然后得出自己分析的結(jié)果，這個過程叫做“正向傳播”。

然后，就是檢驗AI的結(jié)果是否正確了。

這里需要引入一個“損失函數(shù)”來計算結(jié)果和正確答案之間的差距。如果結(jié)果不甚理想，會返回去優(yōu)化調(diào)整權(quán)值，再次得出結(jié)果進行評估，這個過程叫做“反向傳播”。

經(jīng)檢驗，發(fā)現(xiàn)評估結(jié)果和正確答案近了一步。后面再經(jīng)過多輪循環(huán)往復(fù)的迭代，不斷通過調(diào)整參數(shù)權(quán)重逐步逼近正確答案，這個過程就叫做“梯度下降”。

圖片

經(jīng)過多輪已知數(shù)據(jù)的深度洗禮，AI評估的準(zhǔn)確度已經(jīng)相當(dāng)高了。于是小明結(jié)束訓(xùn)練，固定參數(shù)權(quán)值，修剪掉權(quán)值未激活的多余參數(shù)，宣告進入下一階段。

是時候檢驗下前段時間艱苦卓絕的工作的成果了！

圖片

于是，小明挑選良辰吉日，把各項全新的參數(shù)都準(zhǔn)備齊全并輸?shù)紸I里。AI迅速地給出了自己的評估結(jié)論：女神將接受邀約！

上面的過程就叫做“推理”。

小明沐浴更衣，精心收拾，預(yù)定好電影票，小心翼翼地征求女神意見。果然，女神答應(yīng)了！

此后，每次邀約之前，小明都要虔誠地讓AI預(yù)測一下是否成功。事實證明，AI絕大多數(shù)時候都能說對。我們可以AI的說“泛化”效果很好。

圖片

綜上，所謂AI訓(xùn)練，就是讓神經(jīng)網(wǎng)絡(luò)從已有的數(shù)據(jù)中學(xué)習(xí)新能力的過程。

這個過程非常復(fù)雜，就像從小接受九年義務(wù)教育一樣，涉及到學(xué)校、書本、老師等因素的緊密配合，數(shù)據(jù)吞吐量大，屬于密集計算，花費時間訓(xùn)練是非常必要的。

所謂AI推理，就是給訓(xùn)練好的AI輸入新數(shù)據(jù)，讓它解決同類的新問題。

這個就好比學(xué)生大學(xué)畢業(yè)，離開學(xué)校、書本、老師，采用所學(xué)的知識獨立處理新問題，數(shù)據(jù)吞吐量相對較小，但需要隨叫隨到，又快又好地給出答案。

我們一般接觸到的AI應(yīng)用，都是服務(wù)提供商訓(xùn)練好的APP。我們在上面提出各種各樣的任務(wù)，后臺以秒為單位快速響應(yīng)并給出答案，這些都屬于AI推理。

駕馭好AI，就能讓我們在工作中游刃有余，事半功倍。