AI3.0阅读思考
梳理
几大技术词汇：
- 卷积神经网络CNN：权重和值之积的和
- 深度神经网络DNN工具：深度指层数，
- 深度学习
- 强化学习
- 符号人工智能
- 亚符号人工智能，感知机，亚符号，从数据中学习
- 机器学习
- 对博弈树进行完全搜索是不可能的
- 人类学习的泛化能力，迁移学习的本质就是人类学习本身
- 项目的前90%花费10%的精力，后10%花费90%
几点感悟：
- 符号人工智能带有处理逻辑(规则)和已经条件(人工灌输的常识)，产生智能的输出。如专家系统。如意识
- 亚符号人工智能从神经学角度探索无意识思考。如潜意识
- 一旦它开始奏效，就没人再称它为人工智能了
- 对人类非常简单的任务，往往对机器意味着非常困难
- 深度学习是一种被动的学习，在不停的试错中前进，人类的学习是提问式的
- 无监督学习是人工智能的暗物质
- 很多人好奇深度学习是真正的智能还是聪明的汉斯
思维火花:
- Longbets，对自己的预言和别人打一个赌
- 亚马逊土耳其机器人，平台后面实际是真正的人
- 邦加德直觉，似乎和市面上见到的IQ测试很像
- 未来比较火的职业：超参数调节，法律人伦，可解释的人工智能，对抗式学习，人工智能监管
延申
- AI大神们对chatGPT的评论，比如这本书的作者是否认为chatGPT“实现”了人脑涌现机制？
- 未来算法的发展方向。虽然计算机算力越来越好，但朴素的暴力求解仍然没法解决人工智能通用领域的大量数据遍历和决策。精妙的算法仍然在不断涌现中？
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！
