“ 向量，人工智能技術(shù)的基礎(chǔ)結(jié)構(gòu)。”

了解過(guò)人工智能技術(shù)的人應(yīng)該都聽(tīng)說(shuō)過(guò)向量，向量可以說(shuō)是人工智能的數(shù)據(jù)基礎(chǔ)。

那么什么是向量，為什么選擇向量呢？

什么是向量？

向量其實(shí)來(lái)源于數(shù)學(xué)，是幾何學(xué)中的一種，指的是具有大小和方向的量，一般用有向線段表示，在中學(xué)數(shù)學(xué)中向量是絕對(duì)值為1的，具有方向的量。

而用代數(shù)的方式表示向量，則是一個(gè)有序數(shù)組，包含n個(gè)元素(n在多維空間中)。

但向量并不只是數(shù)學(xué)獨(dú)有的東西，在物理學(xué)，工程學(xué)中都有使用。從數(shù)學(xué)的角度來(lái)說(shuō)，向量可以進(jìn)行數(shù)學(xué)運(yùn)算，并且具有一定的數(shù)學(xué)性質(zhì)，比如平移不變，方向唯一等。

向量有幾個(gè)特性，維數(shù)是其包含的元素?cái)?shù)量，例如：v=[1,2,3]是一個(gè)三維向量。其次就是大小和方向，向量的大小可以通過(guò)歐幾里得范數(shù)計(jì)算；而其方向是由各分量的比率決定。

向量在人工智能領(lǐng)域的應(yīng)用

說(shuō)到人工智能，向量就是一個(gè)繞不過(guò)去的坎。

我們知道，數(shù)學(xué)是一切學(xué)科的基礎(chǔ)，而計(jì)算機(jī)技術(shù)也是建立在數(shù)學(xué)的理論之上，而人工智能技術(shù)作為目前計(jì)算機(jī)，數(shù)學(xué)等多學(xué)科集大成的技術(shù)，當(dāng)然也離不開(kāi)數(shù)學(xué)的理論基礎(chǔ)。

而向量就是目前人工智能領(lǐng)域，最基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)。

首先，人工智能技術(shù)中數(shù)據(jù)的表示采用的是向量，比如文本——詞嵌入(Word2Vec,  GloVe)，圖片——卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，使用向量表示，音頻——音頻信號(hào)通過(guò)傅立葉變換等方法轉(zhuǎn)化為頻譜。

其次，在機(jī)器學(xué)習(xí)等模型中，輸入與輸出采用的都是向量的格式；在大模型的訓(xùn)練過(guò)程中，第一件事就是數(shù)據(jù)處理，然后轉(zhuǎn)化為向量形式，只有這樣才能被模型所處理。

再者，向量相似性計(jì)算在推薦系統(tǒng)，信息檢索等領(lǐng)域被廣泛應(yīng)用，比如常見(jiàn)的向量數(shù)據(jù)庫(kù)。

向量數(shù)據(jù)庫(kù)是一種能夠進(jìn)行語(yǔ)義查詢(xún)等數(shù)據(jù)庫(kù)，而不是普通的關(guān)系型數(shù)據(jù)庫(kù)只能進(jìn)行字符匹配，包括精確匹配和模糊匹配。

而具體的計(jì)算方式，如余弦相似度，歐式距離，曼哈頓距離等都是采用的向量形式。

在人工智能領(lǐng)域中，對(duì)高緯向量進(jìn)行降維計(jì)算，以及神經(jīng)網(wǎng)絡(luò)模型中，隱藏層的數(shù)據(jù)處理都離不開(kāi)向量(張量)計(jì)算。

向量是人工智能中基本且重要的數(shù)據(jù)表示形式。它在數(shù)據(jù)表示、模型輸入輸出、相似性計(jì)算、特征提取等方面有廣泛應(yīng)用，支持了人工智能技術(shù)的發(fā)展和應(yīng)用。通過(guò)向量化操作，復(fù)雜的數(shù)據(jù)處理和分析變得更加高效和統(tǒng)一。

雖然說(shuō)，在現(xiàn)有的人工智能理論中，并不能完全明白為什么大規(guī)模的參數(shù)通過(guò)向量運(yùn)算可以得到近似“智能”的結(jié)果，但這并不耽誤人工智能技術(shù)的演化過(guò)程。

本文轉(zhuǎn)載自公眾號(hào)AI探索時(shí)代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/Jyf1gEVVgxEmMwk4j5yRYw??