机器重复且快速地执行，从而将人类从简单枯燥的重复劳动工作中解脱出来。但是对于需 要较高智能水平的任务，如人脸识别、聊天机器人、自动驾驶等任务，很难设计明确的逻 辑规则，传统的编程方式显得力不从心，而人工智能(Artificial Intelligence，简称 AI)是有 望解决此问题的关键技术。 随着深度学习算法的崛起，人工智能在部分任务上取得了类人甚至超人的智力水平， 如在围棋上 AlphaGo 智能程序已经击败人类最强围棋专家之一柯洁，在 游戏上 OpenAI Five 智能程序击败世界冠军队伍 OG，同时人脸识别、智能语音、机器翻译等一项 项实用的技术已经进入到人们的日常生活中。现在我们的生活处处被人工智能所环绕，尽 管目前能达到的智能水平离通用人工智能(Artificial General Intelligence，简称 AGI)还有一 段距离，我们仍坚定地相信人工智能时代已经来临。 机器学习是人工智能的一个重要研究领域，而深度学习则是近几年最为火热的一类人 这一概念最早出 现在 1956 年召开的达特茅斯会议上。这是一项极具挑战性的任务，人类目前尚无法对人脑 的工作机制有全面、科学的认知，希望能制造达到人脑水平的智能机器无疑是难于上青 天。即使如此，在某个方面呈现出类似、接近甚至超越人类智能水平的机器被证明是可行 的。 怎么实现人工智能是一个非常广袤的问题。人工智能的发展主要经历了三个阶段，每 个阶段都代表了人们从不同的角度尝试实现人工智能的探索足迹。早期，人们试图通过总

com/google/jax 1.6. 深度学习的成功案例 35 是人工智能正在影响我们生活的最明显的迹象。 • 数字助理的一个关键要素是准确识别语音的能力。逐渐地，在某些应用中，此类系统的准确性已经提高 到与人类同等水平的程度 (Xiong et al., 2018)。 • 物体识别同样也取得了长足的进步。估计图片中的物体在2010年是一项相当具有挑战性的任务。 在ImageNet基准上，来自NEC实验室和伊利 约风险，可能会将每个申请人与一个向量相关联，其分量与其收入、工作年限、过往违约次数和其他因素相 对应。如果我们正在研究医院患者可能面临的心脏病发作风险，可能会用一个向量来表示每个患者，其分量 为最近的生命体征、胆固醇水平、每天运动时间等。在数学表示法中，向量通常记为粗体、小写的符号（例 如，x、y和z)）。 人们通过一维张量表示向量。一般来说，张量可以具有任意长度，取决于机器的内存限制。 x = torch.arange(4) × 40像素上变得具有挑战 性，而且在10 × 10像素下几乎是不可能的。换句话说，我们在很远的距离（从而降低分辨率）区分猫和狗的 能力可能会变为猜测。概率给了我们一种正式的途径来说明我们的确定性水平。如果我们完全肯定图像是一 只猫，我们说标签y是“猫”的概率，表示为P(y =“猫”)等于1。如果我们没有证据表明y =“猫”或y = “狗”，那么我们可以说这两种可能性是相等的，即P(y =“猫”)

数组。 4.2.3.11 get_layer get_layer(self, name=None, index=None) 提取模型的某一层。 根据网络层的名称（唯一）或其索引返回该层。索引是基于水平图遍历的顺序（自下而上）。 参数 • name: 字符串，层的名字。 • index: 整数，层的索引。 返回 一个层实例。 模型 49 4.3 函数式 API 4.3.1 Model 如果生成器生成的数据格式不正确。 4.3.3.11 get_layer get_layer(self, name=None, index=None) 根据名称（唯一）或索引值查找网络层。 索引值来自于水平图遍历的顺序（自下而上）。 参数 • name: 字符串，层的名字。 • index: 整数，层的索引。 返回 一个层实例。 异常 • ValueError: 如果层的名称或索引不正确。 strides=None, padding='valid', data_format=None) 对于空域数据的最大池化。 参数 • pool_size: 整数，或者 2 个整数元组，（垂直方向，水平方向）缩小比例的因数。（2，2）会 把输入张量的两个维度都缩小一半。如果只使用一个整数，那么两个维度都会使用同样的 窗口长度。 • strides: 整数，整数元组或者是 None。步长值。如果是

> 0时，?(?0)为极小值. 注：如果?′ ′(?0)0，此方 法失效。 高等数学 24 13.渐近线的求法 (1)水平渐近线 若 lim ?→+∞ ?(?) = ?，或 lim ?→−∞ ?(?) = ?，则? = ? 称为函数? = ?(?)的水平渐近线。 (2)铅直渐近线 若 lim ?→?0− ?(?) = ∞，或 lim ?→?0 + ?(?) = ∞，则? =

图：GPT-2通过调整原模型和采用多任务方式来让AI更贴近“通才” 水平 GPT的发展 37 资料来源：《 Language Models are Few-Shot Learners》论文 • 预训练加微调范式中，可能在这种范式下实现的 泛化可能很差，因为该模型过于特定于训练分布， 并且在其之外无法很好地泛化。 • 微调模型在特定基准上的性能，即使名义上是人 类水平，也可能夸大基础任务的实际性能。 存在的问题03：

′(?0) > 0时，?(?0)为极小值. 注：如果 ?′ ′(?0)0，此方法失效。 13.渐近线的求法 (1)水平渐近线 若 lim ?→+∞ ?(?) = ?，或 lim ?→−∞ ?(?) = ?，则? = ? 称为函数? = ?(?)的水平渐近线。 (2)铅直渐近线 若 lim ?→?0 − ?(?) = ∞，或 lim ?→?0 + ?(?) =

??? = ??? ⟨?⟩ ∗ ????? ?? ? 为了计算???, ???, ???, ??? 你需要对 ??? ⟨?⟩, ??? ⟨?⟩, ? ǁ?⟨?⟩, ??? ⟨?⟩ 水平方向求和. 得到： ?????? = ?? ? ∗ ??? ⟨?⟩ + ??? ∗ ??? ⟨?⟩ + ??? ∗ ? ǁ?⟨?⟩ + ??? ∗ ??? ⟨?⟩ 21 3.长短期记忆(LSTM)

帮 您 的 吗] 26 聊天机器人评测结果 • 从实际客户回话中抽样选取约1700个问题 • 问题覆盖不同的应用场景 • 经过4个版本迭代后， 机器人问题回答的准确率和覆盖率均达到业界领先水平 27 Questions and Answers

像高斯”。 其次，高斯随机变量便于许多分析操作，因为实际中出现的许多涉及高斯分布的积分都有简单的封闭形 式解。我们将在本课程稍后遇到这种情况。 5. 其他资源 一本关于CS229所需概率水平的好教科书是谢尔顿·罗斯的《概率第一课》( A First Course on Probability by Sheldon Ross)。