intro ：因为光栅化(rasterization)没法做到很真实的物理效果，所以我们尝试使用光线追踪(ray tracing)， 因为光追会显现出来更加真实的物理效果，反之会消耗更多的时间去渲染。 step 1 (light rays)：尽管光追能做到拟真是世界光源，但光线追踪和物理上光的反射不太一样，在cg中我们这么定义： 光沿直线传播 光线相交互不影响 光路可逆，光线传入眼睛可以当作眼睛

环境配置参考的步骤进行配置 1https://github.com/karpathy/neuraltalk2/tree/3c81602809b8b9e5bd3e9e213bf955986485dda7\ 我的环境是macOS + M1 12345$ curl -s https://raw.githubusercontent.com/torch/ezinstall/master/install-d

“GLShaderManager.h” 和 “GLTools.h”

explainable AI （XAI）XAI指的是让人们明白这个模型是为什么得到这个结果的。因为AI有可能会作弊。比如通过看图片是否有copyright里面是不是有马的字段来判断图片是不是马。 XAI 我们就可以不断的人为优化模型。 black-box AI， 与XAI相反。 我们不知道模型通过什么得到的结果也不知道如何优化。 各种learning监督学习(supervised learning

text-davinci-002

NELL 早期采用 Carlson et al. 模型。它的作用是阅读Web来获取信息。 输入： 一个初始的 ontology 里面存放着很多categories （运动，运动员）。一个二原组的realtion 表示着 categories之间的关系。 比如： 哪个运动员在玩什么运动（x,y）。 每一个relation 或者是 categories 都有差不多12个labels， 比如运动