详细内容或原文请订阅后点击阅览
你给 AI 带来的东西决定了结果
Harper Carroll 凭借斯坦福大学的计算机科学背景、Meta 的机器学习工程知识以及 2023 年底在一家小型 GPU 计算初创公司的短暂工作经历进入了人工智能教育领域，她注意到几乎没有人了解如何微调开源模型。她开始写作和教学，以帮助推动 [...]
来源:O'Reilly Media _AI & MLHarper Carroll 凭借斯坦福大学的计算机科学背景、Meta 的机器学习工程知识以及 2023 年底在一家小型 GPU 计算初创公司的短暂工作经历进入了人工智能教育领域，她注意到几乎没有人了解如何微调开源模型。她开始写作和教学，以帮助推动初创公司平台的注册。她的第一个指南是在 Mistral 7B 发布后发布的，当时她有大约 50 名粉丝，浏览量达到了 50,000 次。 2024 年 3 月，一段解释人工智能和机器学习之间差异的视频获得了 500 万次观看，随后有十分之一的观看者关注了她。她现在在多个平台拥有超过 50 万粉丝，是一名全职人工智能教育家。
我们讨论了微调与提示、2025 年学习编码的实际含义，以及人工智能领域在与公众对话时会犯的错误。
用数学了解世界
我们从 Harper 自己的 AI 学习之旅开始，其中包含了精彩的见解。她从小就热爱数学，并来到斯坦福大学学习计算机科学，因为算法看起来像是美妙的数学难题。最终她意识到人工智能正在“用数学来理解我们周围的世界”。基于文本的法学硕士只是其中一个分支。整个领域是“世界的数学”。这似乎是我们所有人都需要内化的深刻直觉。
人工智能作为媒介
去年流传的一项研究发现，与独立写作的人相比，使用人工智能撰写论文的人的大脑活动有所减少。许多方面的反应令人震惊。人们说，“我们正在外包认知，我们的大脑将会萎缩。”哈珀的明智回应是，这些用户一定给了人工智能一句话提示，并接受了返回的任何内容。
微调就像 AI 的迷幻药
当我写一篇文章时，我会通过记录自己谈论我正在努力思考并试图将其付诸实践的想法来生成类似的“文字记录”。然后我请克劳德将其组合成更有条理的东西。