AI 学习所需的时长因学习的内容、目标和个人情况而异。
例如,学习生成式 AI 课程,如李宏毅的《生成式 AI 导论 2024》,课程学习时间为 12 周,每周约 8 小时。具体安排为:第 1 - 2 周学习生成式 AI 的基本概念和常见技术;第 3 - 4 周学习生成式模型的基本结构和训练方法;第 5 - 6 周学习生成式对话的基本概念和应用场景;第 7 - 8 周学习预训练语言模型的发展历程和关键技术;第 9 - 10 周学习生成式 AI 的挑战与展望;第 11 - 12 周复习和总结所学内容,完成课程作业和实验。
在医疗保健领域,要让 AI 产生真正的改变并像人类一样学习,可能需要经历类似于人类的学习过程。成为某个领域顶尖人才通常以多年的密集信息输入开始,先是正规的学校教育,然后是某种形式的学徒实践,数年时间致力于从该领域最出色的实践者那里学习。
总之,AI 学习的时长没有固定标准,取决于多种因素。
预医学生的目标是成为医生,但他们的课程从化学和生物学的基础开始,而不是诊断疾病的细微差别。如果没有这些基础课程,他们未来提供高质量医疗保健的能力将受到严重限制。同样,设计新疗法的科学家需要经历数年的化学和生物学学习,然后是博士研究,再然后是在经验丰富的药物设计师的指导下工作。这种学习方式可以帮助培养如何处理涉及细微差别的决策的直觉,特别是在分子层面,这些差别真的很重要。例如,雌激素和睾酮只有细微的差别,但它们对人类健康的影响截然不同。开发这些具有潜在空间层次结构的堆叠AI模型——复杂数据的简化地图,以帮助AI模型理解模式和关系——将反映对每个基本元素的理解或预测能力。我相信,这最初可能会平行于人类教育和教育范例,但随着时间的推移,它可能会专门发展,以在AI学习中培养新型的专业知识。这些堆叠模型可能会以与人脑皮层类似的方式发展。但是,与人类拥有视觉皮层和运动皮层不同,AI可能会拥有生物皮层和药物设计皮层——在这两种情况下,都是针对特定任务专门设计的神经架构。
成为某个领域顶尖人才通常以多年的密集信息输入开始,通常是通过正规的学校教育,然后是某种形式的学徒实践;数年时间都致力于从该领域最出色的实践者那里学习,大多数情况下是面对面地学习。这是一个几乎不可替代的过程:例如,医学住院医生通过聆听和观察高水平的外科医生所获取的大部分信息,是任何教科书中都没有明确写出来的。通过学校教育和经验,获得有助于在复杂情况下确定最佳答案的直觉特别具有挑战性。这一点对于人工智能和人类都是如此,但对于AI来说,这个问题因其当前的学习方式以及技术人员当前对待这个机会和挑战的方式而变得更加严重。通过研究成千上万个标记过的数据点(“正确”和“错误”的例子)——当前的先进神经网络架构能够弄清楚什么使一个选择比另一个选择更好。我们应该通过使用彼此堆叠的模型来训练AI,而不是仅仅依靠大量的数据,并期望一个生成模型解决所有问题。例如,我们首先应该训练生物学的模型,然后是化学的模型,在这些基础上添加特定于医疗保健或药物设计的数据点。
当我写下这个标题之后,还没开始上课,小西就帮我写了一份学习笔记,有点无聊哈哈,但是方便一览全局参考书籍:《深度学习》,伊恩·古德费洛等在线课程:李宏毅的生成式AI课程开源项目:OpenAI GPT-3、字节跳动的云雀等五、学习方法观看课程视频,做好笔记阅读参考书籍和相关论文,加深对概念的理解完成课后作业和实验,巩固所学知识参加讨论和交流,分享学习心得和经验六、学习时间本课程的学习时间为12周,每周学习约8小时。具体时间安排如下:第1-2周:学习生成式AI的基本概念和常见技术第3-4周:学习生成式模型的基本结构和训练方法第5-6周:学习生成式对话的基本概念和应用场景第7-8周:学习预训练语言模型的发展历程和关键技术第9-10周:学习生成式AI的挑战与展望第11-12周:复习和总结所学内容,完成课程作业和实验七、学习评估本课程的学习评估主要包括以下几个方面:课程作业:每周完成一份课程作业,包括概念理解、代码实现和问题回答等。实验报告:完成一个生成式对话系统的实验,提交实验报告。