如何优雅的使用AI进行学习一个新的知识

其实我们可以参考神经网络的训练过程: 先生成一个随机的参数 然后通过这次的生成进行前向传播

最后再对结果进行修正 然后找到问题最大的地方 进行改良

那么我们如何的正确的使用AI呢:

我们在接触一个新的知识时 可以先对这个知识按照以往的经验进行一个初步的猜测(这一步类似ml的随机生成参数 但是我们人类有以往的经验 可以直接拿着用)

然后我们可以将我们的思考告诉大模型:

这是我对神经网络的理解: 神经网络就是在拟合一个函数. 请问我的思路有问题吗?

这个时候我们相当于在反向传播 改进自己的问题

然后根据它的问题我们还可以问出更有价值的问题:

既然都是拟合函数 那为什么不用插值法?

在逐步的提问和纠错中 我们会对知识越来越清晰.

最后 我们可以让大模型生成多个问题 来检验我们的理解是否正确(类似验证集)

现在请你根据 Transformer架构向我提出几个核心的问题 关于模型的架构 核心的运算 每一层的数学意义所反应的物理意义 考验我的理解是否正确

我们就可以更好的了解知识