跳到主要内容
Learn Motion
探索课程产品能力价格

下载 Learn Motion

用手机扫描二维码,下载 App。

App Store

扫码从 App Store 下载 Learn Motion打开商店页面

Google Play

扫码从 Google Play 下载 Learn Motion打开商店页面
登录
Learn Motion

Como a inteligência artificial realmente aprende

1Aprender sem regras programadas2Exemplos viram dados3Por dentro do modelo: pesos e ajustes4Errar, medir e corrigir5Praticar até melhorar6Muitas unidades simples formam redes neurais7Formas de aprender: com e sem exemplos rotulados8Como os modelos modernos aprendem com texto9Por que a IA erra e onde estão seus limites
Muitas unidades simples formam redes neurais

Camadas que combinam padrões

2 / 3
Aqui você pode acender e apagar unidades da primeira camada. Repare que cada unidade da segunda camada só se acende quando um conjunto específico de unidades da primeira está aceso ao mesmo tempo. Se você apagar uma delas, a unidade de cima se apaga. Isso mostra que a camada seguinte não vê os dados originais: ela vê o resumo que a camada anterior produziu. Cada camada combina os padrões da anterior em padrões mais elaborados, como uma escada de características.
0:00 / 0:00

Quando várias unidades recebem as mesmas entradas, elas formam uma camada. Cada unidade da camada olha para as mesmas informações, mas com pesos diferentes, então cada uma procura uma característica distinta. A saída de uma camada não é descartada: ela vira a entrada da camada seguinte. É aí que a combinação acontece. Uma unidade da segunda camada pode aprender a se ativar quando certas unidades da primeira camada se acendem juntas — por exemplo, quando há uma linha inclinada à esquerda e outra à direita, formando um contorno. A segunda camada não vê os pixels originais; ela vê o resumo que a primeira camada produziu. Cada camada nova combina os padrões detectados pela anterior em padrões mais elaborados. O resultado é uma escada: características simples embaixo, características compostas em cima.

上一页2 / 3下一页

Learn Motion

生成课程,认真学会。

运营方:Wuhan Daoyin Technology Co., Ltd.

联系我们: [email protected]
隐私政策用户服务协议

© 2026 Learn Motion