计算机自然也可以模拟。
通过大量的人力标注，告诉计算机哪些是斑马线，哪些是路灯，哪些是车辆，区分人和垃圾桶。
李前能够读懂两份文件，它们足够简练，将复杂的知识形象的展现在面前。
这些大量的人工经验反馈给计算机，算法进行比对，就能得出更准确答案，快速分析图像。
此外，还能够人工调整参数权重，以提高回答准确率。
比如计算机分析数字8。
从0-9的数字中，找出数字8。
没有任何经验，计算机可能给出9和6和8三个答案。
人工标注错误的答案，调低9和6的参数，那么下次给出的就是准确答案。
但是，现实生活中的应用，复杂度远不是分辨数字8那样简单。
从静止的街道景物，到一张张图片组成的动态景象，每一秒的计算量都是海量的。
无数的参数在一层又一层的计算中，不停地变化。
计算机计算的过程，产生的那些参数，对于现在的人类来说等同于黑箱，难以研究。
一旦出错，都不知道错在哪里。
因而，调参是一个非常复杂重要的工作。
尤其智辅过于庞大，涉及方方面面。
人的大脑也是一样。
人脑有着几百亿个神经细胞，更多的神经突触。
大脑对人类而言，也是黑箱，思维意识的运转自然神秘无比。
后来，樱花国工程师，提出‘自注意力机制’。
该机制，造就了大语言模型。
使得计算机从识别图像，迈入识别人类语言的阶段。
可以回答问题，推理甚至是学习。
迄今为止，人类积累的所有知识，诞生的全部精神，抽象的数学概念等，都是用语言描述。
而语言的边界，就是世界的边界。
人类不了解认知之外的事情，比如可观测宇宙之外。
宇宙之外又是什么样子？
因为不知道，所以无法用语言描述。
有的人读书多，能够组成更多的词句，所以他思想深刻。
有的人经历得多，面临过各种现实复杂问题并解决，当他遇到新的难题，快速找到问题关键，并想出解决之法。
可以说这个人经验丰富，能力强。
理论而言，世界上所有的一切，都可以使用文字语言描述清楚——除非词穷。
那么大语言模型，是如何认知和使用人类的语言？
阅读到了这里，李前有点儿吃力，他开启通天祗，请教一直静静等待的林朝初和张琳。
林朝初看了眼张琳，张琳道：
“大语言模型使用统计学，推算文字排列组合的概率。”
她接过李前手里的平板，放在茶几上进行演示。
点开浏览器，输入一串文字：
‘这颗星球上最厉害的人是谁？’
“当我点下回车，算法会将这行文字，以单独文字和符号为单位，转化为数列，我们称之为token，token之间以向量连接。”
向量在数学的高维中，可以用空间坐标系表示。
智能模型，输入、计算、输出的计算过程，分为许多个维度。
每一个维度就是一个向量空间。
模型能力，取决于向量空间和向量的数量。
以智辅为例，发展到今天，其拥有近十亿个庞大向量空间，无数的向量。
“向量空间中，每个字词都有相互距离。”
张琳进入讲解模式，紧张消解，更显专业，
“相似的词语，在向量空间中的距离相近，比如玩家李前、游戏、超级地震、蜃景、林宇等，人一旦接触到相关事物，就会进行联想。
比如有人提到今天的蜃景。
假如是国人，他大概首先想到4号蜃景，想到林宇，想到林宇的处境。
如果林宇的处境比较危险，就会想到超级地震，然后想到还有玩家李前，李前可以解决麻烦。”
客厅中，李前正襟危坐，微微蹙眉听讲解，若有所思。
林朝初面带微笑。
李前的反应在预料之外，张琳略略尴尬，继续说道：
“理论来讲，超级地震和林宇间的距离，肯定比你和超级地震之间的距离更近，因为在大众认知中，异常生物消失，而李前非常强大。
林宇却很弱，飞都不会飞，又处在充满未知风险的大海上，随时可能遇到危机，死亡风险大。”
“向量不止有距离，还有夹角。
角度表示向量的相似性，20个蜃景，都很相似，但已经消失的蜃景，比现存的蜃景之间夹角更大。
虽然都是蜃景，但现存的都还在，消失的已经看不到。
因而如4号、7号、12号、13号等，都相近，夹角差不多。
1号蜃景已经消失，与4号、7号的夹角更大。”
“那么现在，我点下回车，计算开始——”
张琳手指点中屏幕上的‘搜索’，计算开始。
这章没有结束，请点击下一页继续阅读！