深聊GPT-5发布：过度营销的反噬与AI技术突破的困局【硅谷101】

【ChatGPT5】都说openai不行了？奥特曼彻底放大招！彻底碾压！

【中字】深度学习为什么会好得这么离谱？

Welch Labs https://www.youtube.com/watch?v=qx7hirqgfuU 这视频主要讲的是“万能近似定理”（UAT），它解释了两层神经网络是怎么做到近似各种复杂函数的。关键就在于ReLU（修正线性单元）激活函数的几何作用，它能把输入空间“折叠”起来，然后把这些折叠后的平面组合起来，形成非常精细、复杂的决策边界。 视频拿复杂得要命的比利时-荷兰边境线举例，想说明的是，一个“又宽又浅”的网络，就算用了海量的神经元（比如十万个），也只能勉强摸到边境线的复杂程度，还是很难抓住所有细节。但要是换成一个深得多的网络，总神经元数量少得多（比如五层，每层130个神经元），它反而能实现远超想象的精确近似。这说明啊，网络“深度”比“宽度”重要得多，它在有效学习复杂非线性关系方面扮演着关键角色。视频还进一步解释了，如果层与层之间没有非线性激活函数，那多层网络在代数上就会“坍缩”成一个单层模型，所以说，想让网络深度有意义，这些激活函数是必不可少的。 视频详细讲了，ReLU是怎么让网络学会超越简单线性边界的复杂模式的。一个没有激活函数的两层网络，顶多只能搞出一个线性的决策边界。但有了ReLU，它能把神经元的负输出直接“折叠”成零，这样就把原来的线性“平面”变成了“弯曲的平面”，让网络能创造出更复杂、更非线性的曲面和决策边界。 尽管“万能近似定理”理论上说，一个足够宽的两层网络就能高精度地表示任何连续函数，但视频也指出了实际操作中的局限性。它解释说，目前像梯度下降这样的训练算法，并不能保证一定能找到最优解。挑战有很多，比如糟糕的随机初始化，可能导致模型卡在ReLU函数的“零梯度区域”，学不进去。而且，这个定理也没明确到底需要多少神经元，对于某些特定函数来说，深层网络可能比宽而浅的网络效率高出指数级。 视频还深入探讨了神经网络架构，特别是深度和宽度，对学习复杂空间边界的影响，举的例子就是拟合一个城镇的边界。它展示了深层网络怎么通过连续的层和ReLU激活，递归地转换和组合区域，从而生成越来越复杂的决策边界。深度在理论上的优势被强调：ReLU网络能创建的最大区域数量是随着层数呈指数级增长的，而随着宽度则只是多项式增长。分析还观察到，反向传播是如何引导模型创建出复杂精细的多边形的，同时也提到了像“死神经元”这种常见现象。 最后，视频展示了即使是相对较浅的模型（比如四层、32个神经元），也能通过递归地折叠和组合输入空间，学会像复杂城镇边界那样的高难度模式。视频的创作者回顾了他十年制作教育内容的历程，感慨核心理念是如何不断扩展去解决复杂问题的，同时像损失函数地形和反向传播这些领域又不断涌现出新的奥秘。他分享了个人故事：2019年因为经济困难辞掉了之前的工作，但2022年又回来了，完全是出于对做好教育的这份热情。为了能把这个事业持续下去，他强调需要建立一个可持续的商业模式，目标是能挣回他之前全职工作的收入，因此希望社区能给予更多支持，尤其是通过Patreon平台，他还提供了独特的剪纸作品作为新的回馈。

saylo被封？不想玩某野？不妨来试试这款吧，可以无限畅玩不限次数，永久记忆，群聊模式等等多种功能永久免费，更有多种大模型任你选择

https://b23.tv/lOKwjLh

新系列探访工厂，宠粉之旅萤火日记-菜菜子【KD人形美术馆】

wan2.2lora训练，个人经验分享

仙宫云镜像地址，https://www.xiangongyun.com/image/detail/8f39147c-8ee3-4baf-8d57-b82a79ba2ef9 邀请链接，https://www.xiangongyun.com/register/9WPJRN（首次注册送8元） RH应用地址，AI应用：wan2.2变身-抢先测试版v2  https://www.runninghub.cn/ai-detail/1951959475664179202/?inviteCode=kol01-rh131， RH邀请链接：https://www.runninghub.cn/?inviteCode=kol01-rh131 注册领1000RH币 diffusion-pipe项目地址，https://github.com/tdrussell/diffusion-pipe

《RethinkFun深度学习教程》完结！

Comfyui官方支持！QwenImage官方工作流及模型分享

直接支持局部重绘！官方下场最轻松，工作流+模型网盘地址：https://pan.quark.cn/s/0ff73e5ea6a3

YOLO还火吗？几年了，终于知道它的原理了

YOLO这个名字你可能早就听说过，但它为什么能“看一眼”就识别图像中的所有目标？ 这期视频我用最直观的方式讲清楚 YOLO 的核心原理，不再死记硬背结构图，而是让你真正理解它是怎么一步一步输出目标框的。

专家访谈录（1）人工智能产生的时代背景

专家访谈录（1）人工智能产生的时代背景#心理健康#社会热点#独立思考#与众不同的心理学#王国荣

完全随机红包的概率分布

ai配音读字母很鬼畜，凑活着听（）