对于我们这些生活在加密货币之下的人来说，人工智能已经火了一段时间。有趣的是，没人想看到一个AI失控。区块链被发明出来就是为了防止美元失控，所以我们可能会尝试一下。此外，我们现在有了一个新的叫做ZK的技术，它被用来确保事情不会出错。我只是假设普通人对区块链和ZK有一点了解。然而，为了驯服AI这个野兽，我们必须理解AI是如何工作的。

第一部分：易懂的机器学习简介 AI已经有了几个名称，从“专家系统”到“神经网络”，然后是“图形模型”，最后是“机器学习”。所有这些都是“AI”的子集，人们给它们不同的名字，我们对AI的了解也更深了。让我们深入了解机器学习，揭开机器学习的神秘面纱。

注意：现今大多数的机器学习模型都是神经网络，因为它们在很多任务上的表现优秀。我们主要将机器学习称为神经网络机器学习。

那么，机器学习是如何工作的呢？

首先，让我们快速了解一下机器学习的内部工作原理：

1 .输入数据预处理：

输入数据需要被处理成可以作为模型输入的格式。这通常涉及到预处理和特征工程，以提取有用的信息，并将数据转换成适当的形式，例如输入矩阵或张量（高维矩阵）。这是专家系统的方法。随着深度学习的出现，层的概念开始自动处理预处理的工作。

2.设置初始模型参数：

初始模型参数包括多个层，激活函数，初始权重，偏置，学习率等。有些可以在训练中调整，以使用优化算法提高模型的精度。

3.训练数据：

1）输入被送入神经网络，通常从一层或多层特征提取和关系建模开始，例如卷积层（CNN）、循环层（RNN）或自注意力层。这些层学习从输入数据中提取相关特征，并对这些特征之间的关系建模。

2）这些层的输出然后通过一个或多个附加层传递，这些附加层对输入数据执行不同的计算和转换。这些层通常主要涉及与可学习权重矩阵的矩阵乘法和非线性激活函数的应用，但它们也可能包括其他操作，例如卷积神经网络中的卷积和池化或递归神经网络中的迭代。这些层的输出作为模型中下一层的输入或作为预测的最终输出。

- 星际资讯

免责声明：投资有风险，入市须谨慎。本资讯不作为投资建议。