数组与哈希表

为什么数据存储在人工智能中很重要

每个人工智能系统都需要快速存储和检索数据。无论是图像中的像素值列表、50,000 个单词的词汇表，还是数百万个用户偏好，数据结构的选择决定了 AI 的思考速度。

两种结构占主导地位：数组和哈希映射。掌握这些，你就为几乎所有人工智能管道奠定了基础。

数组 - 具有即时访问功能的有序列表

数组只是并排存储在内存中的项目的编号列表。每个项目都有一个索引 - 它在列表中的位置，从零开始。

index:   0       1       2       3       4
value: ["cat", "dog", "bird", "fish", "frog"]

由于项目彼此相邻，因此您可以直接跳到任何位置。想要第 3 项吗？完成 - 无需搜索。这是 O(1) 访问，这意味着无论数组包含 10 个项目还是 1000 万个项目，都需要相同的时间。

当数组闪耀时

• 特征向量：图像可以表示为 784 个数字（28×28 像素）的数组，每个数字保存一个亮度值。
• 嵌入：语言模型将单词含义存储为数百个浮点数的数组。
• 批处理：训练数据加载到数组中，以便 GPU 可以同时处理数千个示例。

陷阱

在中间插入或移除物品的成本很高。更改后的每个项目都必须随机排列。那是 O(n) - 项目越多，花费的时间就越长。

哈希映射 - 按名称即时查找

哈希映射（也称为字典或哈希表）将数据存储为键值对。您可以通过有意义的键来访问项目，而不是通过索引号来访问项目。

word_counts = {
  "hello": 42,
  "world": 37,
  "AI": 156
}

需要计算“AI”吗？哈希映射使用哈希函数在幕后将键转换为索引。结果呢？ O(1) 平均查找时间 - 就像数组一样，但使用名称而不是数字。

哈希图的真正人工智能用途

• 词汇映射：将“brilliant”等单词转换为语言模型的标记 ID 8921。
• 频率计数：每个单词在数据集中出现的频率是多少？哈希图一次性回答了这个问题。
• 缓存结果：如果人工智能已经计算了输入 X 的预测，请将其存储起来，这样您就永远不会重新计算。

时间复杂度变得简单

|运营|数组|哈希映射 | |------------|--------|----------| |通过索引访问 | O(1) ⚡ |不适用 | |通过钥匙访问 | O(n) 🐢 | O(1) ⚡ | |在末尾插入 | O(1) ⚡ | O(1) ⚡ | |插入中间 | O(n) 🐢 |不适用 | |寻找价值 | O(n) 🐢 | O(1) ⚡ |

将 O(1) 视为“即时，无论大小”，并将 视为“数据越大，速度越慢”。