“橘子……嘿嘿黑……”柚子傻笑了几声，笑声里充满了感情。
方豫看了一眼柚子，从某种意义上说，这个大模型也能算是柚子的孩子了。
就是不知道这个孩子能成长到什么程度？
橘子大模型的底层中，不只由多重神经网络组成，更隐含了柚子自身的简化版架构法则，具有超过三亿的参数，仅大模型本身规模，就超过10个G。
3亿的参数，在周历3061年的现在，是一个非常恐怖的规模。
Deepmind几个月前刚刚公布的Deep Q-Network的参数量也不过才168万。
而非死不可年中发布的深度学习面部学习系统deepface，虽然没有公布参数量，但按照推测，应该也不过是一千多万参数的级别。
而三年前古狗发布的古狗大脑计划，使用了一万六千颗CPU进行训练，号称有10亿参数，但其中无效参数和负作用参数比例超过百分之七十。
虽然也实现了视频端的无监督学习，但训练效果并不好。
但橘子大模型是不一样的。
由于柚子是在自己本体中完成的橘子大模型的框架搭建，在奥术的辅助下，橘子大模型的三亿参数中，无效参数和负作用参数基本能控制在10%以内！
可以说，刚刚诞生的橘子大模型，就是目前这个世界上性能最强的AI大模型！
神经网络下的人工智能参数，就相当于人类大脑的神经突触。
参数数量是影响人工智能模型能力的最重要因素之一，甚至是决定性因素。
更多的参数通常意味着模型具有更高的表示能力，能够捕捉和表达更复杂的模式和关系。
说人话，就是参数越多，人工智能就越像人。
而且，具有更多参数的模型可以更好地拟合训练数据，降低训练误差。
说人话，就是参数越多，人工智能的理解能力就越强。
从大方向上来说——参数越多，人工智能的能力越强，这句话是没有错的。
尽管目前只有40G的训练资料，但橘子大模型已经展现出了相当程度的智能水平。
这也说明，柚子所创造的深度学习训练框架效率之高，已经远超古狗一个月前刚刚发布TensorFlow训练框架0.5版。
值得注意的是，人工智能训练框架和人工智能大模型的模型框架是两个不同的东西。
本章未完，请点击下一页继续阅读！