清华大学196页AIGC发展研究最新版(附下载)

今天分享的是人工智能AI系列深度研究报告 《清华大学196页AIGC发展研究最新版》。 精选报告来源公众号：【人工智能学派】，回复关键字6688”，获取完整PDF电子版

研究报告内容摘要如下

1.推理过程:关联推测 择优输出

理解输入:分布式语义解析，首先会接收文本序列，转化为词向量，也称为嵌入。该过程基于分布式语义假设，即词义由其在上下文中的使用决定

参数关联:上下文焦点连锁，将这些词向量输入到Transformer的Encoder中生成上下文表示可以看作是在其内部参数模型中寻找与输入相关的信息，也可视为一种连锁反应，因为每个词的上下文表示都取决于其前面的词的上下文表示。

生成回答:生成性概率建模，模型初始化Transformer的Decoder部分，并将Encoder的输出(即上下文表示)和当前的输出序列一同输入到Decoder中。Decoder会生成下一个词的概率分布。选择概率最大或其他设定的概率分布的词作为输出，这个词将被添加到输出序列选择最适回答:动态词串演化，重复上述步骤，每次都向输出序列中添加新的词，直到生成一个完整的输出序列。

2.不可知涌现的AI觉醒理论

（1）不透明性：不透明性指的是AI模型的内部工作方式往往难以解释和理解。它代表了模型的不可解释性，揭示了我们对AI的理解和控制的局限

（2）涌现性：涌现性是指从AI系统中产生的新的、预料之外的行为或特性。这些特性在系统的构建或训练过程中并未明确编码却在特定条件下显现出来。

（3）预测困境：这一特性代表了我们无法预测AI的行为和结果尤其是在涌现性行为出现时。这在AI决策制定和风险管理中产生了重大挑战

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

本报告共计：196页。受篇幅限制，仅展示部分内容。

精选报告来源公众号：【人工智能学派】，回复关键字“6688”，获取完整PDF电子版