大公司里各方面都已经用上了,谷歌翻译用机器学习准确率有了质的飞跃,短短时间就达到了人工手调若干年都没法达到的标准,还有视频推荐,搜索推荐,举不胜举。 pei 发表于 10/12/2019 9:12:14 PM 谷歌翻译还是没法用,实在没办法偷懒采用的。YouTube给我的推荐都是一言难尽,能感觉出一股浓浓的机器味道。这就是所谓的人工智能和人的本质区别吧 jackych 发表于 10/13/2019 11:44:25 AM
大公司里各方面都已经用上了,谷歌翻译用机器学习准确率有了质的飞跃,短短时间就达到了人工手调若干年都没法达到的标准,还有视频推荐,搜索推荐,举不胜举。 pei 发表于 10/12/2019 9:12:14 PM
回复 78楼红豆沙黑咖啡的帖子关键不是对AI的定义,而是对泡沫的定义。任何一个技术,有的人已经偷偷在挣很多钱了,另一帮人叽叽歪歪的在争是不是好技术。你说谁更扯蛋? heartinny 发表于 10/13/2019 6:45:02 AM 我感觉这文章对外行还是有帮助的,至少换车的时候我会知道现在的自动驾驶系统都不完全可信,Tesla,其他牌子也不行,除非有突破性的新研究。我家的nest cam的自动识别系统也相当不可靠,经常把车子认成人,然后把人漏掉。 lesity 发表于 10/13/2019 11:53:36 AM
回复 78楼红豆沙黑咖啡的帖子关键不是对AI的定义,而是对泡沫的定义。任何一个技术,有的人已经偷偷在挣很多钱了,另一帮人叽叽歪歪的在争是不是好技术。你说谁更扯蛋? heartinny 发表于 10/13/2019 6:45:02 AM
几年前AI已经打败人类围棋世界冠军了, 这比当年赢chess大师难度高很多金融界好像也有AI运算来买卖股票, 有了解这方面的吗? blackplains 发表于 10/12/2019 10:07:24 PM 下棋是最容易用机器来做好的,规则明确。可是不是现实世界的运作方式 jackych 发表于 10/13/2019 11:54:10 AM
几年前AI已经打败人类围棋世界冠军了, 这比当年赢chess大师难度高很多金融界好像也有AI运算来买卖股票, 有了解这方面的吗? blackplains 发表于 10/12/2019 10:07:24 PM
下棋是最容易用机器来做好的,规则明确。可是不是现实世界的运作方式 jackych 发表于 10/13/2019 11:54:10 AM
现在AI方面吹的太凶,实际水平差很多。比如说机器翻译,老是吹什么突破,实际上还是惨不忍睹。 jackych 发表于 10/12/2019 4:29:52 PM
现在AI方面吹的太凶,实际水平差很多。比如说机器翻译,老是吹什么突破,实际上还是惨不忍睹。 jackych 发表于 10/12/2019 4:29:52 PM 完全不同意惨不忍睹。现在机翻非专业性文本,语句已经相当通顺自然了。连微信都有图片翻译的功能,一试便知 helloterran 发表于 10/13/2019 12:13:26 PM
文章作者故意混淆 L2.5 vs L4.5 的差别。目前的大部分公司的 L4.5 依赖激光雷达。激光雷达在近距离是神器,不需要猜直接给三维距离。不是最终完美解决方案,但至少避免了很多头疼的 CV 问题。另外 L4.5 的计算机比 L2.5 强大非常非常多。L2.5 主要是省钱,能够直接商业使用。也就是说,限制主要是钱,而不是技术天花板。 tidewater 发表于 10/13/2019 12:07:59 PM
中国是在全面的爆发举一个例子,中国现在正在做的中国中部一个省,为了解决县级市高端医疗困境,在省会设立中国第一家人工智能医院,省立智慧医院,旨在为基层特别是边远不发达地区的医务人员提供高水平的诊断辅助,提高医务人员诊断水平。辅助诊疗中心已与省医学影像云平台、省立医院医联体远程会诊平台完成对接,在已接入的41家县级医院,人工智能辅助诊断系统将为它们提供胸部CT和乳腺钼靶影像的智能辅助诊断及质检服务。此外,该医院对口帮扶的西藏山南地区人民医院也已接入该系统,未来该平台将服务于全省105个县。 wangbing 发表于 10/13/2019 7:21:05 AM
现在中国法院 审批书记员都不要现场记录,都是人工智能语音输入现在很多医院医生都不要记录病录,病人讲完病情,马上就出现电子病历其实这些都是人工智能,人工智能只是帮助人,不是全面替代人 wangbing 发表于 10/13/2019 7:32:39 AM
文章作者故意混淆 L2.5 vs L4.5 的差别。目前的大部分公司的 L4.5 依赖激光雷达。激光雷达在近距离是神器,不需要猜直接给三维距离。不是最终完美解决方案,但至少避免了很多头疼的 CV 问题。另外 L4.5 的计算机比 L2.5 强大非常非常多。L2.5 主要是省钱,能够直接商业使用。也就是说,限制主要是钱,而不是技术天花板。 tidewater 发表于 10/13/2019 12:07:59 PM 如果激光和camera得到的数据是冲突的怎么办?这有相关数据吗?比如说,路中央有一面镜子,激光探测出这是可以通过的,但是camera探测出了镜子里面树的倒影。感觉把不完美的技术用在人命相关的产品上,这些大佬心也是真大。 lesity 发表于 10/13/2019 12:20:27 PM
几年前AI已经打败人类围棋世界冠军了, 这比当年赢chess大师难度高很多金融界好像也有AI运算来买卖股票, 有了解这方面的吗? blackplains 发表于 10/12/2019 10:07:24 PM 下棋是最容易用机器来做好的,规则明确。可是不是现实世界的运作方式 jackych 发表于 10/13/2019 11:54:10 AM closed-ended problem 确实对计算机是最容易的。AlphaGo 对 AI 只是一个小小的里程碑。不过也算里程碑了。之前的算法都无法解决围棋,最后是 deep learning 框架内解决。也就是说,deep learning 的框架还是有一定的 revolutionary 的。 tidewater 发表于 10/13/2019 12:11:26 PM
人开车也会犯错,机器开的比人好就可以了。拿路当中魔术师放一面巨大的镜子这个没有说服力。人都不一定反应得过来。实际一些的比如路面雨天反射。这个对人也会造成问题,对机器可能问题更大一些。但似乎也是可以解决的问题。具体看各家公司技术了。 tidewater 发表于 10/13/2019 12:27:05 PM
人开车也会犯错,机器开的比人好就可以了。拿路当中魔术师放一面巨大的镜子这个没有说服力。人都不一定反应得过来。实际一些的比如路面雨天反射。这个对人也会造成问题,对机器可能问题更大一些。但似乎也是可以解决的问题。具体看各家公司技术了。 tidewater 发表于 10/13/2019 12:27:05 PM 会开车的人都知道,最紧张的是让别人,特别是新手开车。因为新手(机器)的驾驶习惯和自己完全不一样,而需要纠错的时候往往已经来不及。我最困惑的一点就是现在的自动驾驶技术,如果机器已经开得比人好,但是开得不如机器的人还要随时standby纠错,感觉好像有点自相矛盾? lesity 发表于 10/13/2019 12:34:30 PM
那金融界的AI运用呢? 像是股票买卖的预测. blackplains 发表于 10/13/2019 12:13:03 PM
现在的机器当然开的没有人好啊😯。如果现在机器能开得比人好,成本又能降下来的话,明年各大汽车厂就不会生产有方向盘的车了。就已经工业革命了。 tidewater 发表于 10/13/2019 12:37:53 PM
完全不同意惨不忍睹。现在机翻非专业性文本,语句已经相当通顺自然了。连微信都有图片翻译的功能,一试便知 helloterran 发表于 10/13/2019 12:13:26 PM
现在的机器当然开的没有人好啊😯。如果现在机器能开得比人好,成本又能降下来的话,明年各大汽车厂就不会生产有方向盘的车了。就已经工业革命了。 tidewater 发表于 10/13/2019 12:37:53 PM 所以即使L4.5开的也是没人好,换而言之,除了成本还有技术问题? lesity 发表于 10/13/2019 12:39:45 PM
完全不同意惨不忍睹。现在机翻非专业性文本,语句已经相当通顺自然了。连微信都有图片翻译的功能,一试便知 helloterran 发表于 10/13/2019 12:13:26 PM 你可以试一下Google translate:”夫妻肺片”翻成英文是什么。这还是最基本的词语,都不是复杂句子。 jackych 发表于 10/13/2019 12:41:56 PM
outliers 啊,这词国内餐馆翻译估计也不行哈哈哈😄。 tidewater 发表于 10/13/2019 12:45:40 PM
王垠看上去弄不懂neuroscience 。现在的人工智能有种种问题,但是我觉得这条路线是没有错的。其实人类神经元传递信号的方式还不如人工神经网络效率高呢,只不过有一些几亿年进化出来的网络拓扑结构,使得人类的神经元不像CNN那样特别依赖局部细节,而是能理解大范围内的拓扑结构。换句话说就是现在的网络训练的还不够好。 nyc15 发表于 10/13/2019 12:50:34 PM
人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练。现在的AI算法基于的东西跟现实里大脑方式南辕北辙,我觉得只能取得有限领域里的成功。要达到更高的高度,所有的体系结构和理论基础都得全换了。 jackych 发表于 10/13/2019 12:56:08 PM
AI的泡沫是真的。现在AI还远远不能跟人比。我个人认为现在的计算机体系结构是诞生不了具有人类智能的。需要根本上的革命 jackych 发表于 10/12/2019 2:14:57 PM
outliers 啊,这词国内餐馆翻译估计也不行哈哈哈😄。 tidewater 发表于 10/13/2019 12:45:40 PM 这还 outlier 额,名菜啊。再来一句”非诚勿扰好看吗”。你去试试Google translate。这些都是日常生活用语,根本不是专业难度的。机器翻译现在还差远了。这个恐怕比模式识别还难,因为翻译确实需要一定程度的理解语意和context,接近于人的智力范畴。 jackych 发表于 10/13/2019 12:48:52 PM
王垠看上去弄不懂neuroscience 。现在的人工智能有种种问题,但是我觉得这条路线是没有错的。其实人类神经元传递信号的方式还不如人工神经网络效率高呢,只不过有一些几亿年进化出来的网络拓扑结构,使得人类的神经元不像CNN那样特别依赖局部细节,而是能理解大范围内的拓扑结构。换句话说就是现在的网络训练的还不够好。 nyc15 发表于 10/13/2019 12:50:34 PM 人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练。现在的AI算法基于的东西跟现实里大脑方式南辕北辙,我觉得只能取得有限领域里的成功。要达到更高的高度,所有的体系结构和理论基础都得全换了。 jackych 发表于 10/13/2019 12:56:08 PM
这里的 outliers 是指 frequency of occurrence。非诚勿扰和夫妻肺片,对某一个实际应用而言,frequency of occurrence 并不高。工业界做东西都得花钱,没有足够潜在 return on investment 就不太会是重点。 tidewater 发表于 10/13/2019 3:32:03 PM
这里的 outliers 是指 frequency of occurrence。非诚勿扰和夫妻肺片,对某一个实际应用而言,frequency of occurrence 并不高。工业界做东西都得花钱,没有足够潜在 return on investment 就不太会是重点。 tidewater 发表于 10/13/2019 3:32:03 PM 问题是这两个都是一般人知道的东西,不是什么冷门词汇。人类交流中这种词汇语境比比皆是,算法不能理解的话就是没法和人类正常沟通,包括高质量的翻译。 jackych 发表于 10/13/2019 3:41:35 PM
人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练。现在的AI算法基于的东西跟现实里大脑方式南辕北辙,我觉得只能取得有限领域里的成功。要达到更高的高度,所有的体系结构和理论基础都得全换了。 jackych 发表于 10/13/2019 12:56:08 PM [/url]
问题是这两个都是一般人知道的东西,不是什么冷门词汇。人类交流中这种词汇语境比比皆是,算法不能理解的话就是没法和人类正常沟通,包括高质量的翻译。 jackych 发表于 10/13/2019 3:41:35 PM
人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练。现在的AI算法基于的东西跟现实里大脑方式南辕北辙,我觉得只能取得有限领域里的成功。要达到更高的高度,所有的体系结构和理论基础都得全换了。 jackych 发表于 10/13/2019 12:56:08 PM [/url]"人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练"恰恰相反,那是因为人脑里已经内置了几亿年进化出来的视觉处理模型和运动控制模型。不是说非要自底向上手工构建出来才叫“数学”。自然选择对神经网络的调节也是一种数学你后天学到的所有非理论性技能,骑自行车,开车,滑板,棒球,都不过是在人脑出厂内置的运动控制神经网络基础上,做了一点转移学习而已。这也就是为什么人脑觉得很难的围棋,DNN觉得很容易。而人脑觉得很容易的开车,DNN觉得很难。因为人脑没有自带围棋的神经网络模式,所有棋谱都是最近几千年人脑自己想出来的,这么点内容很容易融会贯通。换言之,人脑的先发优势很小但是人脑早就内置了几亿年的运动模型,各种edge case的“棋谱” 无穷无尽,早就调好了参数。DNN要追赶大自然几亿年的积累自然要多费些时间。 helloterran 发表于 10/14/2019 4:48:53 PM
回复 131楼helloterran的帖子想法很好,属于清谈。可以惊四座,却不可行一步。 子非渔 发表于 10/14/2019 6:05:48 PM
行一步还得上 ReLU neuron Adam Optimizer CrossEntropyLoss BigQuery JupyterNotebook 这些枯燥的玩意儿大家一步一步往前挪? tidewater 发表于 10/14/2019 9:18:23 PM
片子谁来读?机器还是人?是人的话,不就是个远程摄像头嘛 lovery 发表于 10/13/2019 12:25:40 PM
病人说的就是病历?病人给你唠家常,都记在病历里? lovery 发表于 10/13/2019 12:26:36 PM
我不明白的是传统的模式识别图像处理就可以做到这些,为啥叫AI呢?神经网络机器学习这些技术上个世纪就存在了,我困惑的是现在并没有革命性的突破。另外找出一个crack不能算成功。如果统计意义上找出的显著高于没有 AI的, 加上detection出来以后带来的gain 显著超过增加的成本的,才具有一定的市场应用性。business和technology考虑的不一样,而且很多行业考虑的是降低成本, AI本身还不能带来革命性的产业发展 vivi_www 发表于 10/12/2019 8:44:50 PM
就是统计分析,利用computer的计算力找规律,这个没有问题,以前叫统计分析, 后来叫data mining。 但是这个帖子的主题是拓扑推理能力。另外:我绝对不是贬低现在的AI,现在的AI对人类帮助也很大。 weixin1234567 发表于 10/12/2019 9:21:52 PM
关于AI,图灵奖的创始人Alan Turing有提出一个定义,建议到网上搜一搜。根据这个定义,现在是没有达到AI这个目标,但是现在所做的都是达到AI之前的探索,虽然没有人知道究竟这一步的方向正确与否。 pei 发表于 10/12/2019 9:30:12 PM
算 weak AI (or narrow AI)https://en.m.wikipedia.org/wiki/Weak_AI不过说 AI 没有意义,应该说 Deep Learning,目前红火的变化是因为 deep learning outperform classic machine learning。从 narrow AI 的角度,deep learning 还是 classic machine learning 没有区别。打个比方就是从四个轮子的角度,老汉推车跟第一次工业革命汽油机车也没区别,都是车。 tidewater 发表于 10/12/2019 9:34:31 PM
新技术开始时确实不太能用,但主要是一旦能用就是大杀器。
就好比美帝当年搞集成电路,花上一个 JPL 的九牛二虎之力,也就阿波罗上的俩简单飞控计算机。
但若干年之后,毛子的吉米多维奇手算几乎在工业界成为废纸。美帝用集成电路和再次基础上的计算机,把毛子工业体系扣上傻大笨粗的帽子拉出代差。毛子工业体系相对而言几乎被打回石器时代。
当然,AI 水分太多挤掉泡沫可能还是应该的。
文章作者故意混淆 L2.5 vs L4.5 的差别。
目前的大部分公司的 L4.5 依赖激光雷达。激光雷达在近距离是神器,不需要猜直接给三维距离。不是最终完美解决方案,但至少避免了很多头疼的 CV 问题。
另外 L4.5 的计算机比 L2.5 强大非常非常多。
L2.5 主要是省钱,能够直接商业使用。也就是说,限制主要是钱,而不是技术天花板。
closed-ended problem 确实对计算机是最容易的。AlphaGo 对 AI 只是一个小小的里程碑。
不过也算里程碑了。之前的算法都无法解决围棋,最后是 deep learning 框架内解决。
也就是说,deep learning 的框架还是有一定的 revolutionary 的。
那金融界的AI运用呢? 像是股票买卖的预测.
完全不同意惨不忍睹。现在机翻非专业性文本,语句已经相当通顺自然了。
连微信都有图片翻译的功能,一试便知
翻译小黄文应该还不太行,我试过哈哈哈😄。
当然小黄文本质上属于专业文献也没错。
如果激光和camera得到的数据是冲突的怎么办?这有相关数据吗?比如说,路中央有一面镜子,激光探测出这是可以通过的,但是camera探测出了镜子里面树的倒影。感觉把不完美的技术用在人命相关的产品上,这些大佬心也是真大。
片子谁来读?机器还是人?是人的话,不就是个远程摄像头嘛
病人说的就是病历?病人给你唠家常,都记在病历里?
人开车也会犯错,机器开的比人好就可以了。
拿路当中魔术师放一面巨大的镜子这个没有说服力。人都不一定反应得过来。
实际一些的比如路面雨天反射。这个对人也会造成问题,对机器可能问题更大一些。但似乎也是可以解决的问题。具体看各家公司技术了。
另外把机器跟人等同比较也没有意义。
原因是造机器简单,一旦成功就可以简单复制。
造人太麻烦,鼓足力气让美女性高潮三十次也不能保证搞出受精卵 ~~~ 😭
所以 AlphaGo 赢了李九段以后 ~~~ 就没有以后了
会开车的人都知道,最紧张的是让别人,特别是新手开车。因为新手(机器)的驾驶习惯和自己完全不一样,而需要纠错的时候往往已经来不及。
我最困惑的一点就是现在的自动驾驶技术,如果机器已经开得比人好,但是开得不如机器的人还要随时standby纠错,感觉好像有点自相矛盾?
现在的机器当然开的没有人好啊😯。
如果现在机器能开得比人好,成本又能降下来的话,明年各大汽车厂就不会生产有方向盘的车了。就已经工业革命了。
这个不清楚啊。有AI算法做交易的吗?高频交易早就有了,但是跟AI应该没太大关系,主要靠速度取胜
所以即使L4.5开的也是没人好,换而言之,除了成本还有技术问题?
你可以试一下Google translate:”夫妻肺片”翻成英文是什么。这还是最基本的词语,都不是复杂句子。
是。但好比解数学竞赛题总是要一步一步解,一点一点试,除非是抄隔壁学霸的作业抄得太习惯了 ~~
outliers 啊,这词国内餐馆翻译估计也不行哈哈哈😄。
这还 outlier 额,名菜啊。
再来一句”非诚勿扰好看吗”。你去试试Google translate。这些都是日常生活用语,根本不是专业难度的。
机器翻译现在还差远了。这个恐怕比模式识别还难,因为翻译确实需要一定程度的理解语意和context,接近于人的智力范畴。
当然人类的神经网络也有一些人工神经网络没有的地方,比如各种非线性的facilitation,不过我觉得这不是目前要解决的主要问题。现在训练网络的方式太依赖局部细节,应该好好看看真正的视觉皮层是怎么做的。
人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练。现在的AI算法基于的东西跟现实里大脑方式南辕北辙,我觉得只能取得有限领域里的成功。要达到更高的高度,所有的体系结构和理论基础都得全换了。
“现在的AI算法基于的东西跟现实里大脑方式南辕北辙”
非常同意
等生命科学能够用公式推导的时候,然后应用到计算上,来一次真正意义上神经网络。
这里的 outliers 是指 frequency of occurrence。
非诚勿扰和夫妻肺片,对某一个实际应用而言,frequency of occurrence 并不高。
工业界做东西都得花钱,没有足够潜在 return on investment 就不太会是重点。
人到十八岁才开车,而且夜夜做梦。很难说不是基于 heavily training。
数据量倒是不一定那么大。不过现在 on shot learning / GAN 等等,很多就在研究用不那么大的数据量得出更好的结果。
问题是这两个都是一般人知道的东西,不是什么冷门词汇。人类交流中这种词汇语境比比皆是,算法不能理解的话就是没法和人类正常沟通,包括高质量的翻译。
现在 AI 翻译的目标并不是跟人直接聊天或者同声翻译,还没那么先进。
也就是比查辞典稍微方便一点。
或者换个角度,当初的计算机可能还不如掌柜的算盘。
"人的大脑根本不需要什么数学就能运转良好,也不需要什么海量大数据训练"
恰恰相反,那是因为人脑里已经内置了几亿年进化出来的视觉处理模型和运动控制模型。不是说非要自底向上手工构建出来才叫“数学”。自然选择对神经网络的调节也是一种数学
你后天学到的所有非理论性技能,骑自行车,开车,滑板,棒球,都不过是在人脑出厂内置的运动控制神经网络基础上,做了一点转移学习而已。
这也就是为什么人脑觉得很难的围棋,DNN觉得很容易。而人脑觉得很容易的开车,DNN觉得很难。
因为人脑没有自带围棋的神经网络模式,所有棋谱都是最近几千年人脑自己想出来的,这么点内容很容易融会贯通。换言之,人脑的先发优势很小
但是人脑早就内置了几亿年的运动模型,各种edge case的“棋谱” 无穷无尽,早就调好了参数。DNN要追赶大自然几亿年的积累自然要多费些时间。
你这句话就翻译得很像样啊。单个词汇重要还是句子结构完整,逻辑通顺重要?我认为是后者
https://translate.google.com/#view=home&op=translate&sl=auto&tl=en&text=%E9%97%AE%E9%A2%98%E6%98%AF%E8%BF%99%E4%B8%A4%E4%B8%AA%E9%83%BD%E6%98%AF%E4%B8%80%E8%88%AC%E4%BA%BA%E7%9F%A5%E9%81%93%E7%9A%84%E4%B8%9C%E8%A5%BF%EF%BC%8C%E4%B8%8D%E6%98%AF%E4%BB%80%E4%B9%88%E5%86%B7%E9%97%A8%E8%AF%8D%E6%B1%87%E3%80%82%E4%BA%BA%E7%B1%BB%E4%BA%A4%E6%B5%81%E4%B8%AD%E8%BF%99%E7%A7%8D%E8%AF%8D%E6%B1%87%E8%AF%AD%E5%A2%83%E6%AF%94%E6%AF%94%E7%9A%86%E6%98%AF%EF%BC%8C%E7%AE%97%E6%B3%95%E4%B8%8D%E8%83%BD%E7%90%86%E8%A7%A3%E7%9A%84%E8%AF%9D%E5%B0%B1%E6%98%AF%E6%B2%A1%E6%B3%95%E5%92%8C%E4%BA%BA%E7%B1%BB%E6%AD%A3%E5%B8%B8%E6%B2%9F%E9%80%9A%EF%BC%8C%E5%8C%85%E6%8B%AC%E9%AB%98%E8%B4%A8%E9%87%8F%E7%9A%84%E7%BF%BB%E8%AF%91%E3%80%82
make sense
想法很好,属于清谈。可以惊四座,却不可行一步。
行一步还得上 ReLU neuron Adam Optimizer CrossEntropyLoss BigQuery JupyterNotebook 这些枯燥的玩意儿大家一步一步往前挪?
机器翻译海量学习,常见的句式都已经记住怎么翻译了。稍微改改说些拗口的就可以破了,比如。
学开车很贵很难很费劲。
Xué kāichē hěn guì hěn nán hěn fèijìng.
11/5000
It is very difficult to learn to drive very expensive.
https://translate.google.com/#view=home&op=translate&sl=auto&tl=en&text=%E5%AD%A6%E5%BC%80%E8%BD%A6%E5%BE%88%E8%B4%B5%E5%BE%88%E9%9A%BE%E5%BE%88%E8%B4%B9%E5%8A%B2%E3%80%82
你这个DL的玩意不枯燥,都是直接调用high level的东西不用自己从scrash写
话说回来前阵子修了门deep learning的网课,没记错的话卷积神经网络目前是可以有办法看到hidden layer的,我记得有个脸部识别的例子里就展示了有些layer是识别边缘,再之后的layer识别边缘combine后的形状比如鼻子眼睛,很是震惊觉得所谓的blackbox 也在慢慢开启,很是激动
如果有一天AI真的能实现理解,私以为和人的理解方式也会不同,就像飞机都和鸟一样有翅膀可也没见到展翅飞翔的飞机啊,但这不妨碍先行者们借鉴以创新
肯定是机器人筛选,人工进行第二部筛选
你去查查中国全面推行电子病历
科大讯飞翻译机
https://item.jd.com/100005623310.html
很多人英文不懂,带着这个翻译机,出国交流没什么问题的
赞同!
对。换个名字就忽悠。
那个所谓的图灵测试就是大忽悠的老祖宗,谁都用来扯,谁都不明白。
什么weak AI strong AI都是炒作的概念,用来忽悠圈钱的。