AI推理和訓練有什麼不同？你知道嗎？

如果要用一句話概括AI的訓練和推理的不同之處，我覺得用「台上一分鐘，台下十年功」最為貼切。

小明和心儀已久的女神交往多年，對邀約她出門的技巧和心得頗有心得，但仍對其中的奧秘感到困惑。

借助AI技術，能否實現精準預測？

小明思考再三，總結出了可能影響女神是否接受邀請的變數：是否假日，天氣不好，太熱/太冷了，心情不好，生病了，另有他約，家裡來親戚了......等等。

圖片

將這些變數加權求和，如果大於某個閾值，女神必定接受邀約。那麼，這些變數的都佔多少權重，閾值又是多少呢？

這是一個十分複雜的問題，很難用簡單的方法準確解決。因此，小明計畫利用深度神經網路進行研究，應用於大量累積的資料進行訓練，以便讓人工智慧模型自行學習其中的模式。

圖片

小明最大的優點在於他擁有豐富的資料累積。因此，他經過整理，準確地列出了所有變量，並將它們精確地對應於是否邀約成功。這種做法被稱為「資料標註」。

圖片

有了數據，就把它們投餵給AI。 AI讀取每一組數據，採用初始的預設權值進行評估，然後得出自己分析的結果，這個過程叫做「正向傳播」。

然後，就是檢驗AI的結果是否正確了。

這裡需要引入一個「損失函數」來計算結果和正確答案之間的差距。如果結果不甚理想，會回傳去優化調整權值，再次得到結果進行評估，這個過程叫做「反向傳播」。

經檢驗，發現評估結果和正確答案近了一步。後面再經過多輪循環往復的迭代，不斷透過調整參數權重逐步逼近正確答案，這個過程就叫做「梯度下降」。

圖片

經過多輪已知資料的深度洗禮，AI評估的準確度已經相當高了。於是小明結束訓練，固定參數權值，修剪掉權值未啟動的多餘參數，宣告進入下一階段。

是時候檢驗下前段時間艱苦卓絕的工作的成果了！

圖片

於是，小明挑選良辰吉日，把各項全新的參數都準備齊全並輸到AI裡。 AI迅速地給出了自己的評估結論：女神將接受邀約！

上面的過程就叫做「推理」。

小明沐浴更衣，精心收拾，預定好電影票，小心翼翼地徵求女神意見。果然，女神答應了！

此後，每次邀約前，小明都要虔誠地讓AI預測是否成功。事實證明，AI絕大多數時候都能說對。我們可以AI的說「泛化」效果很好。

圖片

綜上，所謂AI訓練，就是讓神經網路從現有的資料中學習新能力的過程。

這個過程非常複雜，就像從小接受九年義務教育一樣，涉及到學校、書本、老師等因素的緊密配合，數據吞吐量大，屬於密集計算，花費時間訓練是非常必要的。

所謂AI推理，就是給訓練好的AI輸入新數據，讓它解決同類的新問題。

這個就好比學生大學畢業，離開學校、書本、老師，採用所學的知識獨立處理新問題，數據吞吐量相對較小，但需要隨叫隨到，又快又好地給出答案。

我們一般接觸到的AI應用，都是服務提供者訓練好的APP。我們在上面提出各種各樣的任務，後台以秒為單位快速響應並給出答案，這些都屬於AI推理。

駕馭好AI，就能讓我們在工作中游刃有餘，事半功倍。