经典的人工智能,采用“梯度下降法”,运算量很大,约是esp2。其中e是epoch,训练的周期数;s是sample,训练样本的数量;p是parameter,参数的数量。
人工智能有等价形式,它不需要训练,可以在得到输入X后,通过遍历每一个训练样本,计算得出距离最小的那一个,对应的输出就做为神经元网络的输出。
如图,当X=(8, 8, 8)时,Y=?
一眼望去,最后一行是(8, 8, 9),所以,输出就是(2, 5)。
类比图形格式,bmp, png, jpg,它们的压缩率分别是100%,50%,10%。
在人工智能领域,梯度下降法算出来的神经元网络,对应于拥有10%压缩率的jpg格式。
上文所述方法对应于拥有100%压缩率的bmp格式,即不压缩。
还有一种方法可以产生50%压缩率,同样看上图,记住一个最小值,当某一行计算到一半时,就已经超过了这个最小值,说明这一行剩下的部分没必要再计算了,可以跳过。用这种方法,可以获得约50%压缩率,对应于png格式。
上述人工智能的等价形式,没有漫长的训练过程,但在使用时更费电。