当整个网络认为某件事是优点或给定图像是缺点时，它们应该亮起并被激活。现在这里有一个密集的连接网络，我数了一下有 552 个连接，每个连接都有这些权重 U1、U2。 训练神经网络涉及选择这些权重，显示数百个、数千个正负，直到选择了这样的权重，最终它正确地点亮了最后的神经元，指示正负。
训练这个网络需要大量的计算工作，但它只有 500 个参数。我们有一个简单的任务来区分正负。如果我们现在将整个网络想象为您正在查看的屏幕上的一个像素，因为您现在正在手机、笔记本电脑或其他设备上观看网络研讨会，然而，我想告诉你这位科学家提出的一个非常有趣的逻辑测试概念。
嗯，在他的概念中，人类法官同时与另一个人和机 韩国手机号码数据 器进行对话，用自然语言进行自由对话。只是他看不到他的对话者。当仅根据对话内容，不看对话者，无法判断自己是在与人交谈还是与机器交谈时，这就是机器通过测试的时刻，即图灵测试。
这是一个测试，可以告诉我们人类是否对的是另一个活人还是一台机器。图灵预测，到 2000 年左右，我们可以期望机器能够通过这项测试。 而回顾这些年，他的这个预测并没有那么错误。
它是如何运作的？事实上，正是神经网络或 GPT，泽西描述了人工智能方面让我们如此兴奋的一切。当今发展最活跃的人工智能的主要趋势是神经网络。我想告诉您这些网络是如何形成的。它们是关于什么的，以便大家更好地理解这个问题。
图中有一个人脑，您可能还记得生物课上的神经元简化图。它有较短的延伸，可以接收来自其他神经元的信息，而这个长延伸称为轴突，它在我们的大脑中发出大约 1000 亿个这样的细胞。 这种生物神经元早在 20 世纪 40 年代就得到了体现。
啊，那些疯狂的 20 世纪 40 年代；）马克·洛克和毕加索以理论模型的形式描述了神经元。可以说这是今天的基础。今天所有的人工智能是如何运作的？我们俗称的人工智能的一切都是基于这样的神经元，包括神经元。