复杂适应系统视角下的ChatGPT与AI大模型丨周五直播·后ChatGPT读书会
导语
ChatGPT等AI大模型展现出了各种自然与人工复杂适应系统的普遍特征,例如涌现性(Emergence)、规模法则(Scaling Law)、临界相变、多尺度、层级等。那么,近期火热的AI大模型是否与从90年代发展起来的复杂适应系统理论(Theory of Complex Adaptive Systems,简称CAS)有着深刻联系呢?
本讲座将会引领你从复杂适应系统的视角重新解读ChatGPT,列举复杂科学相关理论和方法可能如何帮助人们理解神经网络以及AI大模型,内容涉及:从动力系统看待神经网络、从适应系统视角看待梯度反传算法、从图灵机角度看待自注意力与上下文学习(in-Context learning)、从相变与临界性的角度看待few-shot learning及思维链等。最后,讲座也就未来AI大模型如何帮助人们更好地理解复杂系统的普适性原理展开讨论。
集智俱乐部的“后 ChatGPT”读书会由北师大教授、集智俱乐部创始人张江老师联合肖达、李嫣然、崔鹏、侯月源、钟翰廷、卢燚等多位老师共同发起,旨在系统性地梳理ChatGPT技术,并发现其弱点与短板。同时,结合集智俱乐部常年来积累的各种人工智能技术讨论,展望后GPT时代的人工智能都有哪些可能性?读书会自2023年3月3日开始,每周五晚上19:00-21:00举办,持续时间预计6周,欢迎对本话题感兴趣的朋友报名参加!
与读书会整体主题之间的关系
与读书会整体主题之间的关系
主要涉及到的知识概念
主要涉及到的知识概念
分享简介
分享简介
ChatGPT等AI大模型展现出了各种自然与人工复杂适应系统的普遍特征,例如涌现性(Emergence)、规模法则(Scaling Law)、临界相变、多尺度、层级等。那么,近期火热的AI大模型是否与从90年代发展起来的复杂适应系统理论(Theory of Complex Adaptive Systems,简称CAS)有着深刻联系呢?
分享大纲
分享大纲
-
什么是复杂适应系统(CAS)? -
复杂系统与复杂科学 -
复杂适应系统 -
为什么说AI大模型是复杂适应系统? -
大语言模型的涌现能力 -
类比、上下文学习与思维链 -
大语言模型的规模法则 -
从CAS的视角理解ChatGPT -
复杂视角下的神经网络与机器学习 -
神经网络与动力系统 -
从Holland的分类器系统到误差反传算法 -
图灵机与自注意力机制 -
上下文学习的可能机理 -
从相变与临界到大模型的涌现 -
为什么说AI大模型可能助力复杂系统研究? -
复杂系统自动建模 -
AI可解释性问题 -
通用大模型与通用原理
主讲人
主讲人
直播信息
直播信息
扫码参与读书会,加入群聊获取本系列读书会的视频回放权限、资料权限,与社区的一线科研工作者和企业实践者沟通交流。
“后ChatGPT”读书会启动
集智学园最新AI课程推荐,
张江教授亲授
课程定价:399元
复杂系统入门与实战
图灵机