从零开始学习大语言模型（一）

Рет қаралды 242,104

林亦LYi

Күн бұрын

Пікірлер: 325

@54870498 10 ай бұрын

我就喜歡聽這種讓我誤以為我自己聽的懂的東西

@AgA-WoW-UnU-QAQ 10 ай бұрын

中肯

@thompsontang9364 10 ай бұрын

其实他讲的很清楚了。一个顶尖学校的NLP自然语言处理课程在讲到神经网络的时候也只能讲到这样了。不是误以为懂或者不懂，是绝大多数，甚至整个业界只能理解到这个程度了。整个神经网路是一个黑箱。没有人知道内部是如何形成了智能。全球都没有人。他只是基于一种十分朴素的直觉去模拟大脑中的神经元结构。如果有人可以在微观层面讲清楚哪块哪层哪个神经元是具体负责什么信息的处理怎样形成智能，诺贝尔奖都不配他。而现在大模型突然变得有用了，完全是因为现在算力够了。之前的算力很难支撑这种设想。所以要感谢英伟达

@快乐老爹 10 ай бұрын

@@thompsontang9364 NVIDIA MAKES THE WORLD A BETTER PLACE!

@Lish211 10 ай бұрын

@cocoabias 10 ай бұрын

@ontang9364 人類的腦怎麼訓練? 你在學1+1=2時有用到殘差網路嗎?

@qcardiogram1073 10 ай бұрын

讲的非常清晰，而且通俗易懂，太棒了，期待接下来的部分。。。

@leedavid5214 10 ай бұрын

终于开始讲真课了，我在1年前就在你的节目下留言，希望你能开课，向你学习。因为我非常羡慕你对各种模型驾驭能力，想学。

@xiangzhang5279 9 ай бұрын

感谢分享。我最近作为助教，为美国大学生准备了一节深度学习入门课，感叹和林哥许多设计不谋而合，要是在设计课程之前看到这个视频就好了！希望继续出新，继续学习！

@rockyzhang24 10 ай бұрын

很受益！林哥的配图和小动画越来越生动和有趣了。我大概是林哥最开始做视频的时候就关注林哥了，看到林哥的提升和变化，很佩服。林哥加油！

@indie-austin 10 ай бұрын

就凭林哥的口才，接合自身的知识，真是把机器学习各个概念讲得易懂又好。

@who-care-007 10 ай бұрын

讲得非常好，很多疑惑都在你这个视频中得到解答和理解了！感谢！！！！！！

@amandat6051 10 ай бұрын

牛批请一直更新这个系列爱了❤❤❤

@yuewangkb 3 ай бұрын

感谢！幽默讽刺，深入浅出一个小建议，给每个术语加上英文

@lazychen60 10 ай бұрын

太期待林哥后面的讲解了，刚从学校里带出了传统专用AI的知识，但是有点脱节LLM是怎么从这些模型演化而来的过程，期待林哥后面重点讲一讲！

@UCan927 10 ай бұрын

林哥这期真棒逻辑条理清晰一下就让我产生了自己也会机器学习一样的幻觉... 🤣

@PinkFan-w5k 10 ай бұрын

这是我看过的视频中讲的最通俗易懂清晰明了的

@kjyhh 10 ай бұрын

很好，把基本都说到了。期待下一集

@Anasiyasicket 10 ай бұрын

狗→□→林哥這研究肯定能得諾貝爾獎

@lischentejuleour5657 10 ай бұрын

loss functionb不一定大于0的，比如simsiam用到的negative cosine similarity, 再比如vae的elbo.

@mingzhoulin41 10 ай бұрын

林哥牛逼，这样的课做下来一定挺费时间和精力的，希望能坚持下来！之后可以开会员课了。另外希望以后有一些视频能做一些demo来讲解今天讲过的基础知识是怎么应用的

@周彬-y8m 10 ай бұрын

非常通俗易懂又将关键讯息给讲明白了👍

@lvrt8371 10 ай бұрын

感恩你的贡献！真的很谢谢。我知道看的人可能很少。但是真的很感激

@zefyra-metriz 3 ай бұрын

講的超棒，我居然聽完了，每個比喻都很生動好懂，尤其是把狗識別成林哥www

@rayaugust1042 10 ай бұрын

林亦厉害👍～～请继续～跟你亦步亦趋～～如果 “明天会越来越好” 那我们一定需要理解与学习 “大科技” 请您把自己并带着我们一起由白纸一张一样去开始理解学习或许之后会有更好的结果！！多谢林先生～～

@kaizhong2589 10 ай бұрын

哈, 真心感谢 ... 收获了.多谢分享 ! 这种视频, 来个系列吧 ~ 准备组团观看

@zengjixiang 10 ай бұрын

感謝林哥科普，淺顯易懂

@语吾 10 ай бұрын

虽然后面都听不懂，但是依然坚持看完，不能辜负林亦的辛苦付出和无私奉献。

@jimmy5584 10 ай бұрын

讲的太好了林哥，请务必把这个系列做完

@WeiChannel168 10 ай бұрын

谢谢林哥，以前一直听不懂，今天听你的听懂了，期待推新的内容。

@FanqieeTomato 10 ай бұрын

三言两语把我抓耳挠腮学了十几天的ml教材基础讲明白了，林哥nb

@epodak 10 ай бұрын

你为什么不让AI知道你是个10岁小女孩,然后他给你举各种例子和比喻呢?

@fooevr 10 ай бұрын

你真的明白了？

@lordoftherain 10 ай бұрын

我不信你懂了 😂

@meow-mi333 10 ай бұрын

@@fooevr别揭穿 😂

@abcabc-gl7ug 10 ай бұрын

为啥我的JJ一听到AI就勃起。越来越长。咋办啊

@underfact2621 10 ай бұрын

讲得非常清晰，只有数分和金融背景的我听得津津有味，希望二快点出哈哈哈

@ubiqutousgalaxy7511 10 ай бұрын

找这类视频好久了，终于等到了

@ArisHuang-m5h 10 ай бұрын

林哥用了另一種視角，更簡單的一次講解現在最重要的一些AI重要知識，這比起一般書籍講得更易懂好學

@loyfattsoong3945 10 ай бұрын

Hi, I like to know, when you create an AI model to train it, it will be getting smarter(have more experience) each time. So may I know where do you keep those "experiences"? Is it stored in a database? Thanks.

@artcheng6 10 ай бұрын

很好的說明、請繼續推出新視頻，並提供一些參考資料文獻可以再多學習一些

@wowcnmovie 10 ай бұрын

看到了说shit的老哥的香肠嘴我只能佩服up主很有生活

@hanjie3667 10 ай бұрын

林哥终于回来了！

@wangyangliu-g5h 10 ай бұрын

非常通俗易懂，为你点赞，期待后续作品

@莊子弘-w2n 10 ай бұрын

超級清楚把很多必備的基本用詞都放上去了我之前讀了一年很多都還只是認識但不理解

@曹灿-n1i 6 ай бұрын

这里我感觉存在一些问题，所谓感知机代表神经网络中的激活函数，而且还是relu，事实上activation可以有不同类型的激活函数，从严谨的角度，应该表述成激活函数某种场景是这样比较合适

@0x54 9 ай бұрын

感谢林哥，非常期待（二）

@yeshengwei79 10 ай бұрын

Well done 👍 比斯坦福的公开课还要让我受益更多 😊

@aerovision257 10 ай бұрын

关注你的视频有段时间了，一直很喜欢。记得之前一期视频提到现在的苹果台式机可以安装人工智能模型，实现自己拥有专属模型的能力了。这个恨吸引人。想问一下现在AI的发展如果希望有一个个人的人工智能，自己是否必须是程序员出身吗？

@rangingzhu466 9 ай бұрын

林哥这讲解很好，下一集啥时候更新哈😂，期待

@eileensu5756 6 ай бұрын

很晚才發現你，但是幫助很多呢，很希望能看到你更多深入淺出的解說

@feng0ouyang 10 ай бұрын

讲得非常好！建议以后专有名词打一下英文，便于国外的朋友对照学习。

@henringLei 10 ай бұрын

讲得非常好，期待后续。我推荐给我学生学习。

@chrislin4540 10 ай бұрын

Good popular science. I have been working/ studying in ML/DL for a couple of years. Hope that you can extend this topics like reinforcement learning and RLHF, which makes the LLM become really useful.

@嘿嘿嘿-z1v 10 ай бұрын

非常讚的內容, 謝謝給我們這種小白有一個學習機會, 謝謝您

@Sunsunchang 10 ай бұрын

講得淺顯易懂希望有一系列的新影片~

@simonsun02 9 ай бұрын

虽然视频很清晰了, 但是林哥有没视频的提纲. 我觉得可以很好的帮助理清楚.谢谢!

@羅子軒-n9p 10 ай бұрын

想請林亦出一些mac使用這些模型的教學影片甚至是環境等等感恩

@kerhuangyu680 10 ай бұрын

太厲害了，一下子就把思路打開，期待後面的系列

@wonllyanglee4797 10 ай бұрын

大佬，求教本地部署大模型，如何设计本地知识库，让大语言模型检索本地知识库再回答问题。应用场所是律所，例如案件涉及哪些法律条款？

@zsujsk 10 ай бұрын

若干年前回形针做了个介绍，沧海桑田了

@GoodarcBird 10 ай бұрын

很遺憾當年讀研的時候，自己沒好好聽多年後自己花大時間讀懂了，才發現林哥講的真的好

@maplelin8103 10 ай бұрын

讲的非常好，期待下一个视频！！

@哈哈哈哈-l8y 10 ай бұрын

下一期什么时候更新啊

@zyuxing4309 10 ай бұрын

讲的真好希望出更多关于机器学习 ai 相关的视频

@Mr-jb7dz 10 ай бұрын

讲的非常好，深入浅出，听明白了，期待下一期......

@dingma2705 10 ай бұрын

亦哥不如劝劝林哥多做一些machine learning 的教学视频。收费或者放到会员频道也好。你说话好听，林哥一定听的进去😆

@flymanhawaii 10 ай бұрын

收藏了，入门很有用啊。谢谢，期待下一部。

@ouowa 10 ай бұрын

有這種科普真的太棒了

@sam_0090 10 ай бұрын

感謝林哥治好了我的失眠😂

@assholyoka5317 7 ай бұрын

哥们讲的真的非常棒哦

@wowcnmovie 10 ай бұрын

道理都懂，怎么实现呢？作为有些计算机基础的人怎么开始编程呢？

@simonpeter9617 10 ай бұрын

非常好的科普内容，赞

@yantong3131 10 ай бұрын

真的很清晰，respect 林哥

@zqbx6688 10 ай бұрын

明白了一些，数据模型是否可以理解成一个芯片一样能完成一些特定的功能。

@Elara-77 4 ай бұрын

2:03 拒絕男本位並不是只有男性才去海外

@freeGNU 10 ай бұрын

感谢林哥很有帮助希望一直更新

@toh81390 10 ай бұрын

但深度學習訓練或者大學聯考都只是對人類已知的事物記憶力測試，這種靠記憶體硬背暴力破解就好。人腦用神經網路學習是因為記憶體不夠多背不起來，在記憶體不足的現這下犧牲一些精確度換取更大的資訊量，電腦硬體強大又何必東施效顰。說是模仿人腦但是顯然還模仿不到家。人腦的處理速度以及神經單元數量應該都比現在的電腦遜色了，但是看到一件花格子短裙人類可以聯想到綠豆糕，稿子，棋盤等等。電腦有強大的硬體了還不行越訓練越準確越缺乏想象力。這是很有趣的題目不要背書照唸，要發揮想像力與聯想能力。也就是裡面談的的泛化能力。在文明發展的進程中突破點往往是把林哥看成狗這種發散性思維，但是日常工作這種發善思維又常常造成錯誤，能在發散與收斂中自由切換是目前人腦的優勢，簡單說靈光一閃的創造力。這影片就缺少了點聯想力以及創造力。

@guitarlessonsism 8 ай бұрын

你好，看到你的视频身受启发。我一直在看michael nielsen的教程，似乎大致理解了，想问一下为什么我用写字板输入的数字，用训练好的weights, biases去把我的手写数字转换成字符，不知道为什么成功率很低，想请教一下应该在哪里寻找原因，谢谢。

@zhuangwangchen 9 ай бұрын

那看来我的机器学习基础算是过了一遍了，林哥讲的每一个点都有点印象

@yuelinxin3684 10 ай бұрын

视频里有个地方稍微有点不对，损失函数的输出并不是严格不小于零的，这取决于函数的设计，但是常见的损失确实都不小于零。

@yiqin2423 10 ай бұрын

人类的大脑学习模式是可被研究的，当我十年前第一次认识到这点时，浑身起鸡皮疙瘩。

@lynnqi6451 10 ай бұрын

强烈期盼下个视频！

@Tiecongli 8 ай бұрын

说得挺好，反手充一个682一个令人遗憾的决策

@可持续发展供应链工作 10 ай бұрын

讲得非常好，手动点赞。

@jasonwang9173 10 ай бұрын

感谢分享，一口气讲完ML系列😂

@WYH_STUDIO 10 ай бұрын

林哥直接罵粗了😂😂😂

@saturo9002 10 ай бұрын

好看，爱看，即使看视频过程中走神了好多次

@supporterfreedom7326 10 ай бұрын

林哥能多出几期吗？不少概念让我看书能把大脑 cpu 干烧了，你居然能让我听懂了

@garywang04 10 ай бұрын

好文章期待你的分享給大家增廣見聞👍

@Hangglide 10 ай бұрын

请问为啥把林哥认为狗狗🐶被认为学坏了😂。开玩笑😝。非常精彩的视频，估计我未来几个月一两年会反复播放这个视频慢慢理解各种概念

@ZhenlongYang 10 ай бұрын

林哥终于上干货了！

@sethblackcat1137 10 ай бұрын

喜欢这个系列！！来个LIN version sc50吧！

@liuhuanchu3160 10 ай бұрын

讲到非常好👍 就是后面函数部分部分有点难懂 😅坚持看完了

@Say_My_Name 10 ай бұрын

建議林哥把相關名詞多個英文註解，因為我是學英文版本學AI的聽中文還需要稍微轉一下XD

@zshikingjone2166 10 ай бұрын

好家伙，微积分，线性代数，概率论，神经科学全都有了。我觉得再加上量子力学，AI才能真正成熟。

@saturo9002 10 ай бұрын

好家伙，遇事不决，量子力学

@pengyang5943 10 ай бұрын

通俗易懂，期待期待！

@zzzacupuncture3546 10 ай бұрын

专业领域里的专业人才，还能让普通人听明白，继续多出新内容

@michael-tn3nu Ай бұрын

讲得很棒，谢谢！

@BeingWalters 10 ай бұрын

深入浅出，赞。

@user-jerrytalk 10 ай бұрын

看了那麼多paper還是林哥講得最好求解第二集快來

@sr.w.0.618 10 ай бұрын

林哥讲的真的很好，感谢分享！不过你提到的“机器学习本质上是构建一套神经网络模型”，这个描述只适用于神经网络算法，个人觉得有些欠妥。以及你没提到强化学习，这会在后续的视频里分享吗？

@lischentejuleour5657 10 ай бұрын

确实，神经网络只是一个universal approximator, 机器学习的艺术在于选择什么函数去用神经网络这个approximator去逼近。很多有趣的工作都是用神经网络去approximate一些没有解析解的函数，比如vae, diffusion model这些概率模型。

@sr.w.0.618 10 ай бұрын

@@lischentejuleour5657 我的理解也是，神经网络就是一个强大的可以拟合高度复杂非线性函数的拟合器。不过毕竟这是一个科普视频，只要严谨就足够了😂

@freebsdjlu 8 ай бұрын

讲的好，期待后续啊😊

@frankyin720 4 ай бұрын

太生动了，听过之后真的一句话都没记住

@xtrading888 10 ай бұрын

林哥，我来回反反复复，看了三遍，太牛了你，厉害~~ 能不能说说大模型里面存在的问题~~

@billfang2666 8 ай бұрын

讲的好清晰！❤

@user-cm4ce5fh4q 4 күн бұрын

有没有觉得播主像溥仪😅

@rogetsun3656 8 ай бұрын

第二集呢，让我们期待多久啊

@seekvalueinvestment 10 ай бұрын

这个节目太好了~~

@legendyang1837 2 ай бұрын

请问关于将人类说出来的语言命令转换成机器人具体可执行的机器指令有哪些模型可以推荐试用的？