巡洋舰热心读者留言精选-来自Bruce_Read_Think

懒懒的小编在这里列出热心读者“ Bruce_Read_Think ”的9条留言,诚挚的感谢Ta持续的输出高质量的留言,谢谢你的反馈和分享,这些留言值得被更多人读到!

帮edge出道年度问题-那些常用的隐喻需要科学解释

阳光之下无新事,传统机器学习在遇到维度灾难的时候难解,神经网络隐喻成寒武纪大爆发,是在传统机器学习做分类基础上解决维度灾难的有效武器。而新知识信息出现,又是头疼问题,其实就是无数新的小数据问题。为什么跟机器人长期聊天它会越来聪明?是小数据变到了大数据,了解了套路就知道怎么说话了。无数小数据之间建立关系,形成逻辑和推理又是目前卡壳的问题,碎片化的知识不建议学习,因为它看到的只是局部,来龙去脉不明就会下错结论开错车,有些人保持着反思质疑的精神,就不会陷入这局部最优。stack overflow是避免不了的,隐喻可以发挥人对认知事物的泛化迁移能力,解决事物间的共性问题,而不至于对新事物太陌生,而个性问题因为时间有限,只能保持谦虚的态度前行,尽量避免overflow,直到数据降为压缩和新认知形成。

如何把书读厚-给《飞奔的物种》这本书找些例子

对于已知的Q值,优化是大脑该做的和固有属性,相比可预测的奖励,随机的、不可预测的奖励会使大脑的活动活跃得多。也就是说,只有意外之事才能使大脑感到满足,并沉浸其中无法自拔,马斯洛在死后后人整理档案中发现在未发表的论文中人的第六大需求就是突破自我,正是突破自我的需求,使得大脑对意外之事感到满足,也就是大脑在探索和收益中有富余能量了,对于未知会重启探索之能,这或许是人独立于基因进化之外,主动改变世界的原动力的另一种自我进化,创新带来成就感,有价值的创新就更加的熠熠生辉!

《人类网络》读书笔记-让连接造福人类

由结构-特征-功能的思考到功能-特征-结构的思考,开始前者是很难的,后者是人类发展的顺序,再到前者,就像研究功能材料,开始不知道研究结构或特征,是因为它有这个功能才引起了重视,然后研究微观结构特征,形成理论基础后,通过新工艺改变微观结构的思路,或改变材料内部组织架构,进而使得功能发生变化,材料的研发科学思路就此形成,看论文按这个套路,就变得轻松了,通过泛化迁移思考,人类关系网,信息的流通,改变的是个体的动向,即围观结构的改变,影响互联网连接结构的改变,进而产生新的社会功能,题外话一句,功能有优劣,个体底层改变是基础,一旦形成极差的网络,修复很难,就像华夏灿烂文明,最辉煌耀眼时期依然是先秦的春秋战国!

对神经网络进行翦枝-让深度学习变的可以训练

该文让我想到孩子的智力发育在6岁及以前完成的理论,所以家长的言传身教在这6年中变得尤为重要,一旦成型,脑神经网络将很难更改,现在整个社会的教育滑坡,不仅是社会的影响,家长的自身素质也是该问责的,加之社会环境优渥,无法在失败中得到教训和成长训练出足够的心智,形成规模后,人自身的异化,将导致整个社会的倒退…

《The Creativity Code》读书笔记-AI距离有创造力还有多远

分科制学本身对于目前的创造性而言或许就是一个错误,乔布斯和马斯克改变世界之所以能看到颠覆性创新无疑是通吃了多个学科的结果,AI若能听声辨物,看图推理,借助部分数据,自己又能推理新数据,多学科混搭,并产生新的知识,在新知识基础上又能验证下一步知识的正确性,站在自己的肩膀上,才能说明其具有创造力,纯属自我猜想,或许这是对隐性知识挖掘的一个思路

《大脑的故事》-六个关键词串起对大脑的系统性认识

大脑面对单一复杂度高的任务总是做的不好,而对于复杂的进化环境表现的也不是最佳,但却总是在跟环境对抗和拟合,归纳和总结一定的超前环境变化,适应当下和不久的将来,因为脑不是机器脑,只存储了有限的糖元,最终只做两件事,save energy,get better profit!

《Possible Mind》读书笔记-强人工智能的公理化思考

在这个越来越缺少同理心的年代,通用人工智能辅助人类决策做出个体最优策略,但在一定程度上或多或少的牺牲了其他人的利益,可能这个所说的利益看不见,也就是隐性价值,只是在当前环境没有价值,当个体获得利益后,内心变得膨胀,没有环境的约束,可能就像澳洲的兔子,病毒都对其没有办法控制其繁衍,不断对环境的破坏,实际上是对自身的自杀,而自身很难有意识感受到这一点,直到环境变化的恶果来临,所以要慎行,不是要跟环境博弈而战胜或破坏环境,而是达到平衡,或者提前真的意识到某些问题强行对其进行行为惩罚,约束才能获得更好的自由,与环境的和谐真的很重要!

深度学习背后的基础-神经网络揭秘

偏好在全局看来不是什么好东西,人类因为偏好也不断在犯着错误,当认知加深,才逐渐改变偏好,但反过来想,偏好又何尝不好呢,可以减少人们对相似事物的认知负担,甚至有些东西不用眼睛多看就知道接下来该有什么东西,也就是达到了预测的目的,也就是常说的脑补,面对交流也增加了不少情趣,虽然准确度不是100%,至少能干活儿就可以了,新特征再重新探索和学习,最后的神经网络动物园反复看了几遍,一直不理解动物园是怎么来的,自编码,CNN,RNN-LSTM,这样风趣的绘画出动物园风格我已脑补不了了,看来我还要更多的卷积和合适的权重,哈哈…

基于一张“规则表”的人工智能

人的大脑总是试图通过泛化和统一事物的本质来理解世界,从而降低人脑的认知所需要的能量,人脑总需要一个闭环属性即完美的解释来达到平衡,在过去如果无法认知的事物就推给上帝,形成宗教,而在现实规划方面,如果达不到大脑的所需要求,非要上纲上线,人就会疯掉,以此来达到看似人脑已经形成闭环的仪式!

我来评几句
登录后评论

已发表评论数()

相关站点

+订阅
热门文章