|
近期迷上了用AI绘画，每次都像开盲盒，不晓得打开的是惊喜还是惊吓。当然，针对爱好刨根问底的我，是不会仅仅满足于运用AI，而是要弄明白AI到底是怎样学会画画的。在经过初步科研后发掘，AI的训练及输出触及到设备深度学习，而其中运用到的办法又有非常多，当下被最多讨论的包含卷积神经网络、CLIP、Diffusion等模型。那样这篇文案就让勤奋狗子担当主角，用大白话的方式完整梳理一遍AI学习和输出的过程。
人工智能（Artificial Intelligence, AI）
AI是科研、研发用于模拟、延伸和扩展人的智能的理论、办法、技术及应用系统的一门新的技术科学。简单来讲，便是让设备持有类似人的智慧，让它做出类似人能做出的事、乃至超越人能做出的事。
深度学习（Deep Learning, DL）
想要让一个普通的设备变成智能的设备，就要先让它学习，从一个啥都不懂的小婴儿变成博学多识又直言不讳的小可爱。设备学习根据学习方式能够分为监督学习、没监督学习、强化学习。根据科研方向重点分为决策树、随机森林、人工神经网络、贝叶斯学习等等。而深度学习（Deep Learning, DL）是以人工神经网络为基本而发展起来的一个新的科研方向，卷积神经网络（Convolutional Neural Network, CNN）是深度学习中最具表率性的模型之一。
监督下的狗子
监督学习是一种目的知道的训练办法。例如你的目的是训练你家狗子辨别出世界上所有品种的猫咪，那样你先收集了100张区别品种猫咪的照片，天天教狗子分辨哪只猫咪是什么品种。你会根据毛发颜色、体型体积、面部结构等众多方面的特征同样同样的告诉狗子，而后狗子就慢慢的总结出其中的规律，例如说倘若猫咪的毛发仅有黑白两种颜色，那狗子就识别出那是一只奶牛猫。然则你并不安心，于是，就重新找了20张猫咪的照片测试狗子，瞧瞧狗子是不是能判断准确，倘若错误非常多，就说明你之前归类特征的办法或是给狗子描述的语言不那样精确，那就再优化调节，直到狗子能经过你的测试。这个时候，狗子已然把握了一套完整的识别办法，你就能够把狗子带到广场上摆个摊，专门用来识别猫咪品种。
运用Stable Diffusion画出的勤奋狗子得到卷积神经网络（CNN）秘笈的狗子起始没监督学习
没监督学习并无什么知道的目的，学习的过程亦不必须人类的指点。例如你觉得天天给狗子归类特征太累了，打算放养让它自己学习。于是你平时只是给狗子看海量的照片，有猫咪的，有鹦鹉的，有香蕉的，狗子不晓得这些照片上画的是什么，你只告诉狗子要好好观察，其他就不管了。于是，聪明的狗子就起始科研它的主人是怎么学习的。它发掘人类在识别物体时经过了三个过程：
第1步，先识别出照片上有些显著的线条特征，例如边缘、方向；
第二步，识别出由这些线条构成的局部特征，例如猫咪的眼睛、耳朵； 第三步，将这些局部特征相关起来，就识别出了整
| 
发表于 
