AI推理和训练有什么不同 你知道吗

假设要用一句话概括AI的训练和推理的不同之处，我感觉用“台上一分钟，台下十年功”最为贴切。

话说小明曾经和心目中的女神来往数年，在邀约女神出门这件事上积攒了少量的阅历数据，但却依然捉摸不透其中的玄机。

借助AI技术，能否成功精准预测呢？

小明思索再三，总结出了或许影响女神能否接受约请的变量：能否节假日，天气不好，太热/太冷了，心境不好，生病了，另有他约，家里来亲戚了......等等。

将这些变量加权求和，假设大于某个阈值，女神必然接受邀约。那么，这些变量的都占多少权重，阈值又是多少呢？

这个疑问相当复杂，难以准确求解。于是小明设计了一个深度神经网络，预备基于多年来积攒的存量数据对AI模型启动少量的训练，让AI自己学习其中的法令。

丰盛的数据积攒是小明最大的长处。于是他经过整顿，把上述一切变量都准确列了进去，并和能否邀约成功也做了准确的对应。这就叫做“数据标注”。

有了数据，就把它们投喂给AI。AI读取每一组数据，驳回初始的自动权值启动评价，而后得出自己剖析的结果，这个环节叫做“正向流传”。

而后，就是测验AI的结果能否正确了。

这里须要引入一个“损失函数”来计算结果和正确答案之间的差距。假设结果不甚理想，会前往去优化调整权值，再次得出结果启动评价，这个环节叫做“反向流传”。

经测验，发现评价结果和正确答案近了一步。前面再经过多轮周而复始的迭代，不时经过调整参数权重逐渐迫近正确答案，这个环节就叫做“梯度降低”。

经过多轮已知数据的深度洗礼，AI评价的准确度曾经相当高了。于是小明完结训练，固定参数权值，修剪掉权值未激活的多余参数，宣告进入下一阶段。

是时刻测验下前段期间艰辛卓绝的上班的成绩了！

于是，小明筛选良辰吉日，把各项全新的参数都预备完全并输到AI里。AI迅速地给出了自己的评价论断：女神将接受邀约！

上方的环节就叫做“推理”。

小明沐浴更衣，精心收拾，预约好电影票，小心翼翼地征求女神意见。果真，女神容许了！

尔后，每次邀约之前，小明都要忠诚地让AI预测一下能否成功。理想证实，AI绝大少数时刻都能说对。咱们可以AI的说“泛化”效果很好。

综上，所谓AI训练，就是让神经网络从已有的数据中学习新才干的环节。

这个环节十分复杂，就像从小接受九年义务教育一样，触及到学校、书本、教员等起因的严密配合，数据吞吐量大，属于密集计算，破费期间训练是十分必要的。

所谓AI推理，就是给训练好的AI输入新数据，让它处置同类的新疑问。

这个就好比在校生大学毕业，分开学校、书本、教员，驳回所学的常识独立处置新疑问，数据吞吐量相对较小，但须要随叫随到，又快又好地给出答案。

咱们普通接触到的AI运行，都是服务提供商训练好的APP。咱们在上方提出各种各样的义务，后盾以秒为单位极速照应并给出答案，这些都属于AI推理。

驾驭好AI，就能让咱们在上班中游刃缺乏，事倍功半。