“端到端模型，是一个间接由输入失掉输入的环节”
最近有一个很火的对于人工智能模型的词——端到端模型。
那么什么是端到端模型？为什么会提出端到端模型，以及它处置了哪些疑问？
当天咱们就来一同了解一下这个端到端模型。
端到端模型
还记得计算机组成原理外面，对于冯诺伊曼计算机结构中，组成计算机的几个模块吗？
运算器 控制器 存储器 输入设施和输入设施，由这五大模块组成了现有的计算机系统。
而对咱们经常使用者来说，这五大模块中咱们接触最多的就是输入设施与输入设施，也就是鼠标键盘显示器。
而运算器，控制器和存储器是由计算机系统自己处置的，咱们不须要知道它们的外部运转原理，也不须要知道它们是怎样协调的。
雷同端到端也是如此，从表象来看咱们只有要关心其输入与输入，不须要知道它的外部结构，也就是说，端到端模型的表象是一个黑盒。
但假设要成功一个端到端的大模型，应该怎样成功呢？任何新技术的产生都是为了处置存在的疑问，那端到端模型处置了什么疑问？
其适用一句话概括端到端，就是让大模型间接了解疑问，而后给出答案或决策。
比如拿语音模型举例，很多人认为的语音模型就是间接了解语音，但理想上语音模型并不是间接了解语音；而是由多个模块组成的一个语音模型。
语音在语音模型中的处置环节，须要通过语音转文字，而后把文字输入给大模型，大模型处置终了前往文字，再有转化系统把文字转换为语音前往给用户。
这就是如今大模型所存在的疑问，两边须要通过多个模块的协同处置能力失掉想要的结果。或者有人会问为什么不让大模型间接了解语音，还要通过两边的转化？
要素就是这样的成功模式技术难度低，容易成功。
而端到端模型的目标就是省略两边语音转文字，文字转语音的环节；为什么要这么做？
这么做的目标并不是为了炫耀技术，而是有些场景须要弱小的实时性，不可接受如此长链条的处置照应期间。
比如说智能驾驶，现今的智能驾驶驳回的就是多模块单干的模式，如路况采集，智能化剖析，做出决策，口头决策等。这样的智能驾驶系统就须要少量的期间做出照应。
而假设驳回端到端系统，那么端到端系统就可以间接采集路况数据，而后做出决策，省略两边各种乌七八糟的处置流程，大大优化了系统灵便度。
从技术到角度来说，端到端模型成功难度更大，系统更复杂，而且可解释性更差，而且更像一个黑盒。
或者说到这里，有些人义务端到端模型能做到的事，个别大模型也可以做到，而且技术难度更低，老本也更低。
但端到端模型产生的要素并不是为了处置个别的疑问，比如回答系统；哪怕你个别大模型性能低一点，回答慢一点也可以接受。
但在一些畛域，如智能驾驶，上流制作，军事竞争等方面，提前要在毫秒，甚至是微秒的水平；这时个别大模型就不可成功义务了。
端到端模型的重要目标就是为了让大模型间接接受输入，缩小两边环节的处置老本，优化效率。
程序员应该比拟容易了解端到端，个别大模型就相似于如今的初级语音，如java，python等；它们的配置弱小，但口头效率低，要素就是两边有一个解释器。
而端到端模型就相似于C言语，间接转换为计算机能够处置的格局，省略了两边解释的环节。
只管初级编程言语的作用越发弱小，但永远也没有那个言语能齐全取代C言语和汇编言语。
当然，C言语和汇编言语只管效率高，但迁徙性比拟低，不同的平台须要不同的指令集和开发库。端到端模型也是如此，对训练数据品质的要求更高，顺应性也更差。
因此，网上也有人说，所谓的端到端就是间接由输入失掉输入，大模型可以间接了解输入数据，而不须要这样那样的转化环节。
原文链接：