Sampling Methods
AI在挑选下一个词、声音或图像片段时,从一堆按概率排列的候选项中选出一个的方法
简单来说
采样方式是AI决定接下来说什么话、发什么音的方法。想象你在餐厅拿到一张菜单,主厨告诉你每道菜被点的概率:'这道菜60%的人会点,这道菜25%的人会点'。如果你每次都只点那60%的菜,那你每次吃的都一样;但如果偶尔也试试那25%甚至概率更低的菜,你每次吃的东西就会不一样。AI模型也是一样,它会先算出下一个词或音出现的概率,然后需要一个规则来决定从这张概率表里挑哪一个,这个规则就叫采样方式。
最简单的规则是永远只挑概率最高的那个。这样同一个问题每次都会得到同样的答案,但结果容易显得单调、重复。反过来,如果掺入一些随机性,让概率较低的候选项也偶尔被选中,那么每次的结果都会略有不同,显得更多样、更自然。就像iPhone上那种只弹几个音符就能自动接续弹奏的钢琴APP一样,模型在预测下一个音时,如何从这张概率表里挑选,会极大地影响最终结果听起来是否自然。
同一个模型,采样方式设定不同,结果给人的感觉也会或死板或有创意。所以开发者们往往更倾向于在没有唯一正确答案的问题上,采用掺入一定随机性的采样方式,而不是只挑概率最高的那个选项。
亲手试一试
对聊天机器人反复问同一个问题,每次都重新提问。如果每次得到的答案都略有不同,说明这个模型在挑选下一个词时掺入了随机性,而不是只选概率最高的答案。反过来,如果每次答案几乎一样,说明它更接近只挑概率最高的那个选项。