输入一句描述，AI 就能生成一张匹配的图片——这就是文生图。从 DALL-E 2 到 Midjourney 到 Stable Diffusion，这项能力在两年内重塑了创意行业。 文生图最震撼人心的不是技术，而是它把“想象...

扩散模型的原理很优雅：先把图像逐步加噪变成纯噪声，再训练模型一步步把噪声“去噪”回图像。生成时从随机噪声出发，就能“雕刻”出全新的画面。Stable Diffusion、Midjourney、DALL-E 背后都...

视频生成是图像生成的升级版：不仅要生成每一帧，还要保证帧与帧之间的时序连贯。Runway、Sora、可灵等模型正在让“用文字拍电影”成为现实。 视频生成的意义远超娱乐：它是 AI 从理解静态世界...

自编码器由编码器和解码器组成：把输入压缩成低维表示，再尝试从表示重建输入。它不需要标签，纯粹靠“重建自己”学到数据的本质特征。 自编码器的学习方式很像费曼的名言：“如果你不能把它重...

3D 生成从文字或图片创造出三维模型，可直接用于游戏、电影、元宇宙、工业设计。它把创作从二维平面解放到了三维空间。 3D 生成让我们看到了通向“数字孪生”的捷径：给 AI 看几张照片，它就重...

图神经网络专门处理图结构数据——社交网络、分子结构、知识图谱。它让每个节点聚合邻居的信息来更新自己，完美契合“关系即信息”的场景。 GNN 揭示了一个被忽视的真相：很多时候，理解一个事...

深度学习框架把底层的张量运算、自动求导、GPU 调度封装好，让研究者专注模型设计。PyTorch 凭借易用性赢得学术界，TensorFlow 曾统治工业界，格局如今已彻底改变。 框架之争的本质是生态之争：...

DQN 把深度卷积网络与 Q 学习结合，让 AI 直接从像素学会玩雅达利游戏，多个游戏达到人类水平。它是深度强化学习走向实用的标志性工作。 DQN 的故事最激励人心的地方在于：AI 没有人教它规则，...

GPU 原本为游戏图形设计，其大规模并行计算能力恰好契合神经网络训练的需求。没有 GPU 的普及，就没有深度学习这十年的爆发。 GPU 的故事是技术史上最戏剧性的误打误撞之一：为游戏而生的硬件，...

策略梯度不估计每个动作的价值，而是直接优化“在什么状态下该采取什么动作”的策略本身。它比基于价值的方法更适合连续动作空间，是机器人控制的常用方案。 策略梯度与基于价值的方法像两种处...

张量是深度学习中万能的数据容器：标量是 0 维张量，向量是 1 维，矩阵是 2 维，图像是 3 维，一批图像是 4 维。所有深度学习运算都可以归约为张量运算。 张量的哲学很迷人：万物皆数。一张照片...

Actor-Critic 同时维护两个网络：Actor 负责决策“做什么”，Critic 负责评价“做得好不好”。两者相互配合，既解决了策略梯度方差大的问题，又保持了策略方法的灵活性。 Actor-Critic 是一个非...