背景- 随着计算机硬件的发展,机器学习得以突显,从2013年开始的机器学习,2017年的TensorFlow,到2023年的chatgpt的火热,本质上是算力的提升导致,可以支持大模型的海量参数- 在机器学习中,底层的运算是矩阵,通过对矩阵的拆分,使用多层模型可以实现- 在算法层面,通过梯度,降维进行矩阵化拟合和向量化,使用高维数据可以变成矩阵- 在gptchat流行以后,人们基于chatgpt进行了想象和实践化的应用,总的来说主要有: nlp(自然语言理解) , 逻辑 , 生成等,但是最基础的是nlp机