认为，如果把观测的维度提高，人类的人格其实是由有限个“离散状态”组成的。
就像是MBTI把人分成16种，什么“骨折眉”、“快乐小狗”、“小蝴蝶”，或者大五人格分类。
当然这篇论文里的分类要复杂得多，可能要分为几千种，甚至几万种。
但无论分的再细，它依然是“离散”的。
余弦夹起一个凉透的饺子，咬了一口，豆腐馅的口感有些新奇。
“离散”，就像这碗饺子，这一只是豆腐馅，那一只是三鲜馅，另一只是猪肉馅。
它们是界限分明的类别。
你不可能吃到一个“30%猪肉馅，70%豆腐馅”的混合态饺子——
在离散的定义里，即使是混合馅，那它也会被定义成一个新的、独立的“猪肉豆腐馅”类别。
这意味着什么？
余弦还没想清楚，但父母把人的“人格特质”，当成了一种类似积木的形式，是有限的，可穷举的。
继续看论文。
第二个概念，是“向量化映射”。
这是2016年的论文，也是......父母出事的那年。
那时候，有个叫AlphaGo的围棋AI，刚刚击败了曾经的围棋世界冠军李世石，AI和“深度学习”的概念，开始出现在大众视野里。
而在现如今的2025年，“大语言模型”已经占据了整个世界，豆包、ChatGPT、Grok、Gemini、千问、元宝......都是大语言模型的代表。
余弦虽然不是研究AI方向的，但他知道，大语言模型的基石，就是把文字转化为“向量”。
也就是这个标题里的“向量化映射”。
爸爸妈妈竟然在十年前，就已经在对“向量化”做研究了？
一上午的学习，余弦还只能浅显的理解这个概念。
简单来说，就是在计算机眼里，所有的文字，都是以“坐标”的形式存在的。
拿这个领域里，一个很出名的公式来举例：
国王-男人+女人=皇后。
国王向量，减去男人特质，加上女人特质，等于皇后向量。
这个公式里的每一个词，都是可以转化为“坐标”，比如国王是[0.8， 0.6，-0.1，...]，王后是[0.8， 0.9，-0.1，...]。
通过这种方式，这些文字就可以被计算了。
余弦看着碗里的饺子，脑子里也冒出了一个比喻，来帮助他理解。
如果把“猪肉水饺”看做一个向量，把“猪肉”看做一个特征向量，把“韭菜”看做另一个。
那么在这个理论里，就应该可以存在这样一个等式：
猪肉水饺-猪肉+韭菜=韭菜水饺。
猪肉水饺向量，减去猪肉特质，加上韭菜特质，等于韭菜水饺。
这听起来很魔幻，但在向量空间里，这就是成立的数学运算。
就像是MBTI把人分成16种，什么“骨折眉”、“快乐小狗”、“小蝴蝶”，或者大五人格分类。
当然这篇论文里的分类要复杂得多，可能要分为几千种，甚至几万种。
但无论分的再细，它依然是“离散”的。
余弦夹起一个凉透的饺子，咬了一口，豆腐馅的口感有些新奇。
“离散”，就像这碗饺子，这一只是豆腐馅，那一只是三鲜馅，另一只是猪肉馅。
它们是界限分明的类别。
你不可能吃到一个“30%猪肉馅，70%豆腐馅”的混合态饺子——
在离散的定义里，即使是混合馅，那它也会被定义成一个新的、独立的“猪肉豆腐馅”类别。
这意味着什么？
余弦还没想清楚，但父母把人的“人格特质”，当成了一种类似积木的形式，是有限的，可穷举的。
继续看论文。
第二个概念，是“向量化映射”。
这是2016年的论文，也是......父母出事的那年。
那时候，有个叫AlphaGo的围棋AI，刚刚击败了曾经的围棋世界冠军李世石，AI和“深度学习”的概念，开始出现在大众视野里。
而在现如今的2025年，“大语言模型”已经占据了整个世界，豆包、ChatGPT、Grok、Gemini、千问、元宝......都是大语言模型的代表。
余弦虽然不是研究AI方向的，但他知道，大语言模型的基石，就是把文字转化为“向量”。
也就是这个标题里的“向量化映射”。
爸爸妈妈竟然在十年前，就已经在对“向量化”做研究了？
一上午的学习，余弦还只能浅显的理解这个概念。
简单来说，就是在计算机眼里，所有的文字，都是以“坐标”的形式存在的。
拿这个领域里，一个很出名的公式来举例：
国王-男人+女人=皇后。
国王向量，减去男人特质，加上女人特质，等于皇后向量。
这个公式里的每一个词，都是可以转化为“坐标”，比如国王是[0.8， 0.6，-0.1，...]，王后是[0.8， 0.9，-0.1，...]。
通过这种方式，这些文字就可以被计算了。
余弦看着碗里的饺子，脑子里也冒出了一个比喻，来帮助他理解。
如果把“猪肉水饺”看做一个向量，把“猪肉”看做一个特征向量，把“韭菜”看做另一个。
那么在这个理论里，就应该可以存在这样一个等式：
猪肉水饺-猪肉+韭菜=韭菜水饺。
猪肉水饺向量，减去猪肉特质，加上韭菜特质，等于韭菜水饺。
这听起来很魔幻，但在向量空间里，这就是成立的数学运算。
本章未完，点击下一页继续阅读
(2/5)