详细内容或原文请订阅后点击阅览
去中心化计算：深度学习背后的隐藏原理
深度学习的大多数突破——从简单的神经网络到大型语言模型——都建立在比人工智能本身更古老的原则之上：去中心化。现代基于深度学习的人工智能模型之所以成功，是因为许多简单的单元在本地进行交互，而不是依赖强大的“中央规划器”来协调和指挥其他组件的行为。
来源:走向数据科学深度学习领域的大多数突破——从简单的神经网络到大型语言模型——都建立在比人工智能本身更古老的原则之上：去中心化。现代基于深度学习的人工智能模型之所以成功，是因为许多简单的单元在本地和集体上进行交互以产生智能的全局行为，而不是依赖强大的“中央规划器”来协调和指挥其他组件的行为。
本文通过将现代人工智能模型置于一般复杂系统的背景下，解释了为什么去中心化是现代人工智能模型如此强大的设计原则。
如果您曾经想知道：
...那么以去中心化为关键属性的复杂系统理论提供了一个令人惊讶的有用视角。
自然复杂系统中的去中心化
复杂系统可以非常粗略地定义为由许多相互作用的部分组成的系统，这些部分的集体行为大于其个体行为的总和。在自然和人类社会中，许多最智能和适应性最强的系统都属于复杂系统家族，并且在没有中央控制器的情况下运行。无论我们观察人类集体、昆虫群体还是哺乳动物大脑，我们总是看到同样的现象：遵循当地规则的简单单位出现复杂、连贯的行为。