从「大炼模型」到「炼大模型」：1.75万亿参数，全球最大预训练模型「悟道 2.0」问世

设计等。这些问题共同的根源在于维数灾难，内在变量太多，维数增加，计算量呈指数增长。与此同时，深度学习领域的图像识别、人脸照片生成和 AlphaGo 都可以解读成解决高维的数学问题。具体来讲，图像识别是解决高维函数逼近，图像生成是高维概率密度，AlphaGo 是解超大空间高维 Bellman 方程。归根究底，深度学习对高维函数提供了有效的逼近方法。

接着，鄂院士介绍了深度学习模型在高维控制问题分子动力学和空气动力学等领域的应用，强调了机器学习帮助构建有效、可靠和有效率物理模型的重要性。