表徵
含有「表徵」共 3 篇內容
全部內容
發佈日期由新至舊
AI 並不是直接理解「聲音」，而是理解某種表徵。模型實際接觸到的，可能是原始波形，也可能是頻譜圖、Mel 頻譜圖、MFCC，或離散音訊 token。每一種表徵都不是單純的格式差異，而是對聲音資訊的一種重組與取捨。表徵選擇得不同，模型所面對的學習問題就會不同，系統的優勢與限制也會跟著改變。
大型語言模型所擁有的是關於雞蛋的一切語言性描述。世界模型所追求的，是關於雞蛋在物理世界中如何運作的因果性理解。前者的基本單元是token，它的任務是預測「在這個語境下，下一個最合理的詞是什麼」。後者的基本單元是state，它的任務是預測「在這個物理條件下，下一個最可能的世界狀態是什麼」。
付費限定
★學習能力、策略與表徵
【知覺集中】(反義詞-去集中化)
思維方式尚未成熟，導致思維方式不合邏輯，只憑知覺所及，集中注意於事物的單一層面...
