ChatGPT在做什么？它为何能做到这些？

类人任务（human-like task）的模型

图像识别 一个简单的例子是包括数字的图像（这是机器学习中的一个经典的例子）

简单粗暴的做法

获取每个数字的大量样本图像，要确定输入的图像是否对应于特定的数字，可以逐像素地将其与已有的样本进行比较

人类的做法 作为人类的我们，似乎肯定做得更换； 因为即使数字是手写的，有各种涂抹和扭曲，我们也仍然能够识别它们。

用建模做法 我们将图像中每个像素的灰度值视为变量，存在涉及所有这些变量的函数，能告诉我们图像中是什么数字。 我们将一个图像的像素值集合输入这个函数，那么输出将是一个数，明确支出该图像中是什么数字。

函数识别模糊的数字，开始出现“错误”的结果

引出问题

面对一个模糊的图像，并且不知道其来源，人类会用什么方式来识别它？

如果函数给出的结果总是与人类的意见相符，那么我们就有一个“好模型”。

能“用数字证明”这些函数有效吗？不能。

神经网络

用于图像识别等任务的典型模型到底是如何工作的呢？ --神经网络