7
一个数字
标量 Scalar
像一颗独立的积木。比如今天的气温是 25℃。
25● AI 底层世界 · 第 2 课
拆开 AI 的
神奇工具箱
课堂思维主张归纳思原理，逻辑思规律
游戏会听你的指令，AI 又是怎样“看见”、怎样“思考”的？今天我们缩小身体，钻进 AI 的大脑一探究竟！
7▦✦
→+01
AI
•ᴗ•数据准备完毕！
标量 1
向量 [1, 2, 3]
探险站 01
AI 的数据积木
在电脑眼里，声音、图片和文字都会变成数字。数字怎样组队，就有不同的名字。
385
一排数字
向量 Vector
像一列整齐的小队，可以表示一个物体的几项特征。
[ 3, 8, 5 ]多层数字方阵
张量 Tensor
像很多积木排成的盒子。一张彩色图片就是三层数字。
高 × 宽 × 颜色课堂小游戏请同学们站起来：1 人是标量，一排人是向量，几排人组成“人体张量”！
探险站 02
CNN：拿着放大镜的图片侦探
CNN 不会一眼看完整张图。它拿着小小的“滤镜”，从左到右、从上到下寻找线索。
① 图片变成像素数字
一只 7 × 7 的像素小猫
→卷积滤镜
滑动扫描
滑动扫描
→保留重要
特征线索
特征线索
③ 拼出答案
？耳朵 + 眼睛 + 胡须
🔍
CNN 像什么？
像侦探：先找“边缘”，再找“形状”，最后把线索拼起来，认出这是一只猫。
探险站 03
Transformer：会抓重点的阅读高手
Transformer 的秘密武器叫“注意力”。它读一句话时，会让有关联的词互相传递消息。
点击句子里的词，看看它最关注谁：
小明苹果书包它
注意力控制台
Q
我在找谁？×K
谁有线索？→V
传来信息
我在找谁？×K
谁有线索？→V
传来信息
同时比较很多词，快速找到关系
CNN 擅长
看局部、找图形：边缘 → 眼睛 → 小猫
Transformer 擅长
看关系、抓重点：谁和谁有关？“它”指什么？
2017 · 改变 AI 的一篇论文Attention Is All You Need
探险站 04 · 论文探秘八位科学家说：
八位科学家说：
“只用注意力，也能学会翻译！”
这篇论文第一次提出完整的 Transformer。今天的聊天 AI、翻译工具和许多图像 AI，都从这个重要想法继续成长。
我→喜欢→吃→红色→苹果
一个词读完，才能轮到下一个
像五位同学排队传话。句子越长，最前面的消息越容易忘；大家也很难同时开工。
VS
我喜欢吃红色苹果
所有词同时寻找重要伙伴
“喜欢”能直接注意到“苹果”。不必从中间同学一路传话，关系再远也能一步连接。
三位 AI 选手
它们不是谁淘汰谁，而是各有绝活
根据飞桨文章的比较思路：看任务的数据是什么、关系有多远、需要多快，再选择合适工具。
⌕
CNN
窗口侦探- 拿手
- 图片、局部花纹
- 办法
- 拿小窗口一块块扫描
- 挑战
- 看很远的关系要叠很多层
→
RNN
故事接力员- 拿手
- 有顺序的短序列
- 办法
- 带着记忆一步步往后读
- 挑战
- 不能同时读，长故事易忘
✦
Transformer
全局联络员- 拿手
- 文字、长距离关系
- 办法
- 每个词同时寻找重要伙伴
- 挑战
- 内容很长时会更费计算
可以点击的论文公式
Q、K、V 到底是什么？
别怕，它们只是三种不同任务的卡片。点击按钮，帮“它”找到真正指代的东西。
Attention(Q, K, V) = 找重点 × 取信息
小猫跳上桌子，因为 它 看见了鱼。
Q · 问题卡“它”在找谁？
K · 线索牌小猫：会跳、会看桌子：不会看鱼
V · 答案盒等待匹配……
先把“它”变成一个问题：我指的是谁？
自注意力：词语自己开会
每个词都问：句子里谁和我最相关？然后把重要伙伴的消息收集过来。
论文里的事实：论文把任意两个位置之间的最长信息路径缩短到一步，更容易学习相隔很远的关系。这篇论文最重要的不是一个公式，而是一个勇敢的问题：“如果不排队，大家同时关注重点，会不会更好？”
科学进步，常常从重新问问题开始。
探险站 05 · AI 救援任务
YOLO：无人机的“快速观察员”
城市发生水灾时，道路可能被淹、救援人员视线也会受阻。装有摄像机和机载 AI 算力平台的无人机，可以从空中快速发现线索，帮助救援队更快了解现场。
MISSION 06
天空中的救援信息员
无人机不直接代替救援人员，它把高处看见的画面变成有用信息，再交给指挥中心判断。
- 1云台摄像机稳定拍摄，不怕飞行摇晃
- 2机载 AI 平台在飞机上快速处理画面
- 3通信设备把位置和图像传回救援队
YOLO = You Only Look Once
“只看一次”，同时完成三件事
它把整张画面交给一个神经网络，一次计算就预测“这里有什么、在哪里、有多确定”。这比一块一块反复检查更快，适合无人机的实时画面。
当前步骤把每一帧水灾画面变成数字张量。
一次真实的“人机协作”救援流程
按救援队规划的安全航线飞行
→标出人员、船只、车辆和障碍物
→把图像线索与无人机位置对应
→专业人员复核，判断优先级与路线
→船艇和人员前往现场实施救援
AI 擅长做什么
快速浏览大量画面、发现候选目标、标记位置、持续巡查，帮助救援队节省时间。
AI 不能独自决定什么
画面可能被雨雾、树木或反光干扰。是否救援、怎样救援，必须由专业人员复核和决定。
探险站 06
芯片运动会：谁来搬动这些数字？
算法是“做事方法”，处理器是“干活队员”。不同队员有不同的拿手项目。
1
标量处理器
一次处理一个数
像全能队长灵活，适合各种任务
≡
向量处理器
一排数字同时算
像接力小队整齐并行，图像计算快
▦
张量处理器
一大块数字一起算
像超级方阵专门加速神经网络
一次 AI 任务图片 / 文字→变成张量→CPU 指挥→GPU / TPU 大量计算→得到答案
最终挑战
AI 探险家结业小测
选择你认为正确的答案，看看今天收集到了几枚知识徽章。
一张彩色图片，在电脑里最像什么？
CNN 拿着小滤镜在图片上滑动，是为了？
Transformer 的注意力有什么本领？
★★★
完成 3 道题，点亮知识徽章
真正的 AI 专家，总是保持好奇、勇于试验。