Ilya很早前的分享，講明白了的無監督學習的本質是“壓縮”，壓縮就是學習，很有啟發。 壓縮就是學習：一個更簡單的解釋 假設你有兩個資料夾： ① 資料夾X：一堆沒標籤的照片（無監督資料） ② 資料夾Y：你真正要做的任務，例如辨識貓狗（有標籤資料） 現在你用壓縮軟體把這兩個資料夾打包在一起。 神奇的事情發生了： 如果壓縮軟體夠聰明，它會發現X 和Y 裡有共同的模式（例如都有"毛茸茸的邊緣"、"四條腿"這些特徵），然後用這些共同模式來壓縮得更小。 這就是無監督學習在做的事。 監督學習很清楚： - 你告訴機器"這是貓，那是狗" - 機器學會了，訓練準確率高，測試準確率也高 - 有數學公式保證這件事 但無監督學習很詭異： - 你讓機器預測"下一個像素是什麼" - 但你真正想要的是"識別貓狗" - 這兩個任務根本不一樣啊！憑什麼預測像素能幫你辨識貓狗？ 以前我們只知道無監督學習"確實有用"，但說不清為什麼一定有用。 Ilya 說，把無監督學習想成壓縮問題就清楚了。 好的壓縮= 找出資料裡的規律 - 如果一張圖片全是隨機雜訊，你壓縮不了 - 如果圖片裡有規律（例如天空都是藍的，草地都是綠的），你就能壓縮 所以： - 預測下一個像素= 找到像素之間的規律= 壓縮圖片 - 找到的規律越好，壓縮越狠，學到的東西就越有用 2020 年Ilya 團隊做了個實驗： 1. 把圖片變成一串像素：像素1，像素2，像素3... 2. 訓練模型預測：看到前面的像素，猜下一個是什麼 3. 模型越大，預測越準 4. 神奇的事發生了：預測越準的模型，拿去做圖片分類也越準 這證明了：壓縮能力強= 學習能力強 舊的困惑： 我讓你學"預測下一個字"，你怎麼就會"寫文"了？這倆不是一回事。 Ilya 的解釋： 因為要預測得準，你必須理解語言的深層規律。 這些規律對寫作文也有用。 用壓縮的語言說： - 壓縮一本小說，你得理解情節、人物、文法 - 這些理解本身就是"學習" - 壓縮得越好，理解越深 為什麼這個視角很棒？ 因為它給了一個數學上的保證： 只要你的模型能把資料壓縮得夠好，它就一定學到了有用的東西。 簡單的一句話版本： 壓縮資料= 找規律，找到的規律越多，學到的東西就越有用。 GPT 預測下一個詞，本質上就是在壓縮文本，所以它能學會語言。 https://t.co/digeAJm2D7
正在載入線程內容
正在從 X 取得原始推文，整理成清爽的閱讀畫面。
通常只需幾秒鐘，請稍候。