第393章 免费，专业知识有点多(2/2)

    “可它们偏偏没有。”

    “它们不光没烂，反而学得一个比一个好。”

    他转过身在黑板上写下三个字。

    【为什么？】

    接下来，姚先生才真正进了正题。

    他要讲的是过参数化网络的损失景观。

    所谓损失景观，可以想象成一片起伏的山地。

    模型里每一个参数，都是一个能拧的旋钮，上千亿个旋钮拧出来的每一种组合，都对应着这片地面上的一个点，而这个点的海拔高低，就是模型在这种组合下犯的错有多大。

    对大模型的训练，就是从山上某处出发，顺着最陡的方向往下走，一步一步去找那片地势最低的点。

    这个往下走的法子，就叫做叫梯度下降。

    按理说旋钮一多，这片山地的地形就该复杂得吓人，陷阱遍地，随便掉到哪个坑里就再也出不来了。

    可数学告诉你的，这样不对！

    在参数足够多的时候，那片山地最低处的点，根本就不是一个单独存在的。

    它是连成一大片的谷底。

    你随便滚进哪一个里，几乎都能滚到一样低的地方去。

    “既然谷底连成了片，那问题就来了，”姚先生继续说道，“同样是滚到最低，梯度下降它会挑哪一个落脚？”

    这才是真正要命的地方。

    这上千亿个旋钮，能把训练数据完美拟合的组合，多到数不清。

    可梯度下降这么一路滚下来，它不是随便落，而是带着一种说不清道不明的偏好，专往那些最平、最简单的低点里去。

    这种没人明写、却实实在在起着作用的偏好，就叫隐式正则化。

    机器之所以没把噪声死记下来，不是因为有谁在拦着它，而是因为梯度下降这条路本身，就懒得往那些尖锐、复杂的坑里钻。

    至于它为什么懒，数学上是能给出一个说法的。

    当一张网络宽到极致的时候，它在训练里的一举一动，会退化成一种早就被研究透了的老东西——核方法。

    整个训练过程，近似于围着出发点做一次线性展开，网络几乎不挪窝，只在原地轻轻地晃。

    这套理论在圈子里有个名字，叫 NTK机制（神经正切核）。

    而这种“原地不动、只轻轻晃”的状态，则被形象地称作懒惰训练。