📌 📄 内容摘要:
calendar 在 [AI 应用层学习记录（一）] 中发帖
在序言里我说过，可以把 AI 简化成一个有输入输出的函数，把 AI 看作一个特殊的“CPU”。
LLM 是一个什么样的「CPU」？
传统的 CPU 执行的是确定性指令：你给它 1+1，它永远返回 2。
而 AI（或者准确一些，LLM） 这个「CPU」执行的是概率预测：你给它 1+1=，它预测下一个字大概率是 2。
作为应用开发者，我们不需要研究这个 CPU 内部的电路是怎么排列的，我们只需要搞清楚它的三个核心组件：
输入： 也就是你发给它的那段话。
内存： 也就是它一次能记住多少东西，即上下文。（姑且把内存和 CPU 算到一起吧……）
时钟频率/算力： 模型的大小（B 数 😂），决定了它思考的深度和速度。
这些是大家耳熟能详的概念了，但是重新定义、类比一番可能会减轻思考的压力～
瓶颈：昂贵且有限的“内存”
物理意义的昂贵 😂 快降价吧！
模型是固化的，训练出来以后就定死...
────────── 链接信息 ──────────
🔗 论坛链接: linux.do
📎 访问地址: https://linux.do/t/topic/1613335/1
─────────────────────────────
📢 来源：LINUX DO
