即刻App年轻人的同好社区
下载
AI 新知： 为什么Midjourney 能实现图生文（image-2-words）的能力 ？以及人人都成为Prompt Engineer的时代还远吗？
行业背景： 今天，MJ 官方发布了一个 /describe 命令，可让你将图像转换为文字。试一试！MJ认为该工具将在创造力和发现方面改变你的实现过程。
这是Prompt 学习领域的一个重大的突破，但它并不神秘，也是行业山峰快速攀升的必然过程。我们试着一起来深入这背后的科学原理 （ 没有技术门槛，不用担心）。
不妨先将原问题转换为： 如何理解大语言模型中的词向量（Word2Vec）和语言学词汇、语义网络的关系？以及人类学习语言和机器学习语言是否存在本质不同？
借助GPT-4 强大推理能力，通过持续对话的形态， 目标是为了让非专业人更多理解AI学习语言的基本原理。 这些问题和Prompt全部展示出来 ，方便大家自行拓展，Enjoy。
完整问答内容，见Poe的分享网页 ：poe.com
Q1：你现在AI专家、语言学家、诗人，和我讨论Word2vec 和深度学习的关系，目标是让中学生理解向量和语言学的关系。 语气要注意活泼生动有节律的美感，例子要注意使用非常贴近日常生活的具有身体感知的例子，尽量让科普的人文价值最大化。 首先，请先说明一下，Word2vec 在语言学的基本含义和应用，以及对比它在AI 中的含义和价值？
Q2：把超市的3D场景当成“语义空间”，把一个词的位置当成 “词向量”这个解释相当不错；你可以继续展开说明，假设这个超市中， “财富”、“智慧”、“魅力”这些词与“手镯”、“珠宝”、“明亮的光”这些词，会是些什么样的排列关系呢， 以及为什么会出现这种规律特性？
Q3： 你可以试着解释一下人类学习语言时， 如何是解决 词汇与词汇之间进行「连接」并形成语义网络的过程吗？
Q4： 你听说过约翰·费斯吗？他提出了语义空间这个语言学概念，并发现了语言学的一个巨大奥秘， 「你会通过与一个单词一同出现的词来认识它。」这就是说，一个单词的含义可以依据与其经常一同出现的其他单词来定义，这些其他单词又可以依据与它们经常一同出现的单词来定义，以此类推。比如，“憎恶”这个词往往与“讨厌”出现在相同的语境中；“笑”这个词往往会与“幽默”出现在相同的语境中。
Q5：当我们说对词汇转化成 「向量」意味着什么？ 请你语言学家角度给一个日常生活的例子， 例如， 猫咪这个词， 如何表现成了多维度的属性信息？ 例如， 猫咪是有毛的一个维度， 然后猫咪是有情感的哺乳动物， 以及 猫咪有夜视的能力等， 这个过程是如何将这个词汇向量化的呢？
Q6： 让我小小总结一下，“猫咪”的各种生物属性在 语义空间中，对应出不同维度上去？ 有毛这个维度，意味着一个距离和单位；有夜视能力，又可以标注其对应的空间位置，以此类推，“猫咪”这语义空间（参照系）的位置就有了， 这个过程是向量化？
Q6：让我们先跳出一会 Word2vec的技术原理，再回到约翰·费斯的发现， 「你会通过与一个单词一同出现的词来认识它。」这对于普遍意义的深度学习中 ，AI 学习语言的过程有何种意义？
Q7: 换句话说，我们是否可以得出结论， 正是因为AI 模拟了人类语言天然的结构（语义空间内词语与词的关系）， 而让AI 模型本身更接近于人类语言的分布模式？
Q8 ：酷。最后我还想简要讨论一下，人类学习语言和机器学习语言的差异性。你认为人类学习语言的过程和AI 学习的语言的过程是否具有本质的差异。 （请结合乔姆斯基的理论，用一些例子说明下）
Q9： 你总结的很理性， 不过，大部人如果接触过儿童如何学习语言，就充分意识到一个超级神奇的事情， 孩子们学习语言轻而易举， 而且可以在极短时间掌握多种外语的能力， 代表人类独有的本能。 而这和机器通过词向量等方式模拟人类语言具有本质差异，对吧。
Q10：很好，我们回Prompt Engineering的讨论中来；既然AI 通过词向量的手段模拟人类语言，那么AI 推出一些逆向功能，例如， 通过图片分析对应的文本这种能力，也就不意外了吧？
Q11： 没错，真正的难题不是让 AI 告诉我们对应视觉的Prompt， 而是我们正确理解人类语言的神奇和复杂性，例如， 模糊性和隐喻等超强的预测能力。
Q12：谢谢你的跨学科讨论，人人成为Prompt Engineer的时代也不远了吧
Enjoy！ poe.com
行业背景： 今天，MJ 官方发布了一个 /describe 命令，可让你将图像转换为文字。试一试！MJ认为该工具将在创造力和发现方面改变你的实现过程。
这是Prompt 学习领域的一个重大的突破，但它并不神秘，也是行业山峰快速攀升的必然过程。我们试着一起来深入这背后的科学原理 （ 没有技术门槛，不用担心）。
不妨先将原问题转换为： 如何理解大语言模型中的词向量（Word2Vec）和语言学词汇、语义网络的关系？以及人类学习语言和机器学习语言是否存在本质不同？
借助GPT-4 强大推理能力，通过持续对话的形态， 目标是为了让非专业人更多理解AI学习语言的基本原理。 这些问题和Prompt全部展示出来 ，方便大家自行拓展，Enjoy。
完整问答内容，见Poe的分享网页 ：poe.com
Q1：你现在AI专家、语言学家、诗人，和我讨论Word2vec 和深度学习的关系，目标是让中学生理解向量和语言学的关系。 语气要注意活泼生动有节律的美感，例子要注意使用非常贴近日常生活的具有身体感知的例子，尽量让科普的人文价值最大化。 首先，请先说明一下，Word2vec 在语言学的基本含义和应用，以及对比它在AI 中的含义和价值？
Q2：把超市的3D场景当成“语义空间”，把一个词的位置当成 “词向量”这个解释相当不错；你可以继续展开说明，假设这个超市中， “财富”、“智慧”、“魅力”这些词与“手镯”、“珠宝”、“明亮的光”这些词，会是些什么样的排列关系呢， 以及为什么会出现这种规律特性？
Q3： 你可以试着解释一下人类学习语言时， 如何是解决 词汇与词汇之间进行「连接」并形成语义网络的过程吗？
Q4： 你听说过约翰·费斯吗？他提出了语义空间这个语言学概念，并发现了语言学的一个巨大奥秘， 「你会通过与一个单词一同出现的词来认识它。」这就是说，一个单词的含义可以依据与其经常一同出现的其他单词来定义，这些其他单词又可以依据与它们经常一同出现的单词来定义，以此类推。比如，“憎恶”这个词往往与“讨厌”出现在相同的语境中；“笑”这个词往往会与“幽默”出现在相同的语境中。
Q5：当我们说对词汇转化成 「向量」意味着什么？ 请你语言学家角度给一个日常生活的例子， 例如， 猫咪这个词， 如何表现成了多维度的属性信息？ 例如， 猫咪是有毛的一个维度， 然后猫咪是有情感的哺乳动物， 以及 猫咪有夜视的能力等， 这个过程是如何将这个词汇向量化的呢？
Q6： 让我小小总结一下，“猫咪”的各种生物属性在 语义空间中，对应出不同维度上去？ 有毛这个维度，意味着一个距离和单位；有夜视能力，又可以标注其对应的空间位置，以此类推，“猫咪”这语义空间（参照系）的位置就有了， 这个过程是向量化？
Q6：让我们先跳出一会 Word2vec的技术原理，再回到约翰·费斯的发现， 「你会通过与一个单词一同出现的词来认识它。」这对于普遍意义的深度学习中 ，AI 学习语言的过程有何种意义？
Q7: 换句话说，我们是否可以得出结论， 正是因为AI 模拟了人类语言天然的结构（语义空间内词语与词的关系）， 而让AI 模型本身更接近于人类语言的分布模式？
Q8 ：酷。最后我还想简要讨论一下，人类学习语言和机器学习语言的差异性。你认为人类学习语言的过程和AI 学习的语言的过程是否具有本质的差异。 （请结合乔姆斯基的理论，用一些例子说明下）
Q9： 你总结的很理性， 不过，大部人如果接触过儿童如何学习语言，就充分意识到一个超级神奇的事情， 孩子们学习语言轻而易举， 而且可以在极短时间掌握多种外语的能力， 代表人类独有的本能。 而这和机器通过词向量等方式模拟人类语言具有本质差异，对吧。
Q10：很好，我们回Prompt Engineering的讨论中来；既然AI 通过词向量的手段模拟人类语言，那么AI 推出一些逆向功能，例如， 通过图片分析对应的文本这种能力，也就不意外了吧？
Q11： 没错，真正的难题不是让 AI 告诉我们对应视觉的Prompt， 而是我们正确理解人类语言的神奇和复杂性，例如， 模糊性和隐喻等超强的预测能力。
Q12：谢谢你的跨学科讨论，人人成为Prompt Engineer的时代也不远了吧
Enjoy！ poe.com
101 1662
来自圈子
AI探索站
65554人已经加入