C*****4
发帖数: 8585 | 1 机器怎么会学习？
Deep learning又是啥意思？ |
c****3
发帖数: 10787 | 2 假的学习，就是用概率瞎猜。不是人的那种学习。区别真假的标准，就是能不能理解内
容。
所以”儿子和妈妈乱伦“这种黄色内容，会堂而皇之在Goolge搜索儿子的前列，因为机器
不知道这是啥意思。搜索的人多，就在前面。大家看不过去，只好人工纠正。
【在 C*****4 的大作中提到】
: 机器怎么会学习？
: Deep learning又是啥意思？
|
C*****4
发帖数: 8585 | |
C*****4
发帖数: 8585 | 4 就算瞎猜也得先给机器预设了特征吧，据说不需要预设特征，机器就是能做到一层层的
抽象总结然后得出结果
【在 c****3 的大作中提到】
: 假的学习，就是用概率瞎猜。不是人的那种学习。区别真假的标准，就是能不能理解内
: 容。
: 所以”儿子和妈妈乱伦“这种黄色内容，会堂而皇之在Goolge搜索儿子的前列，因为机器
: 不知道这是啥意思。搜索的人多，就在前面。大家看不过去，只好人工纠正。
|
p*e
发帖数: 6785 | 5 给定某种评价标准，使某程序能够从数据中找出与某个变量相关的规律
【在 C*****4 的大作中提到】
: 机器怎么会学习？
: Deep learning又是啥意思？
|
t*****a
发帖数: 5180 | |
p******n
发帖数: 2449 | 7 把你学成机器，用机器控制你人的大脑。
比如电子游戏，社交网站，用电子控制人，取代人，
从而败坏人的道德和情感。
【在 C*****4 的大作中提到】
: 机器怎么会学习？
: Deep learning又是啥意思？
|
C*****4
发帖数: 8585 | 8 如果对着一张照片，机器怎么识别这是一张照片呢，怎么知道照片上哪部分是脸呢
【在 p*e 的大作中提到】
: 给定某种评价标准，使某程序能够从数据中找出与某个变量相关的规律
|
p******n
发帖数: 2449 | 9 这是外星人控制人类，取代人类和消灭人类的
步骤。李大师说过外星人要控制人类，早就开始了。
【在 p******n 的大作中提到】
: 把你学成机器，用机器控制你人的大脑。
: 比如电子游戏，社交网站，用电子控制人，取代人，
: 从而败坏人的道德和情感。
|
C*****4
发帖数: 8585 | 10 这种是一种沉迷，不是机器真正控制人呀
【在 p******n 的大作中提到】
: 把你学成机器，用机器控制你人的大脑。
: 比如电子游戏，社交网站，用电子控制人，取代人，
: 从而败坏人的道德和情感。
|
|
|
p*e
发帖数: 6785 | 11 你需要首先给定很多数据，并且有label（是脸还是不是脸），这步叫training
然后基于你给定的标准，你使model 辨别的和真实情况相差不远，就可以用了
【在 C*****4 的大作中提到】
: 如果对着一张照片，机器怎么识别这是一张照片呢，怎么知道照片上哪部分是脸呢
|
p******n
发帖数: 2449 | 12 所有的电脑里都有外星机制，李大师的书里写的有，
科学技术是外星人慢慢传给人类的。
沉迷可能是被控制。
【在 C*****4 的大作中提到】
: 这种是一种沉迷，不是机器真正控制人呀
|
c****3
发帖数: 10787 | 13 不管用啥技术手段，机器最后还是一个字的意思都不理解。这点和人的学习有本质不同。
所以也不能相信机器学习的结果，因为就像结果出现“妈妈和儿子乱伦一样”，太容易
被坏人利用了。
【在 C*****4 的大作中提到】
: 就算瞎猜也得先给机器预设了特征吧，据说不需要预设特征，机器就是能做到一层层的
: 抽象总结然后得出结果
|
p******n
发帖数: 2449 | 14 就象GPS，作用还小吗？
同。
【在 c****3 的大作中提到】
: 不管用啥技术手段，机器最后还是一个字的意思都不理解。这点和人的学习有本质不同。
: 所以也不能相信机器学习的结果，因为就像结果出现“妈妈和儿子乱伦一样”，太容易
: 被坏人利用了。
|
C*****4
发帖数: 8585 | 15 就算我给定一张照片标出照片上的各种东西的特征，再拿出另一张照片给机器判断，机
器怎么能做出判断的，照片只是一个平面图，对机器来说，怎么读取两张照片并感觉到
不同
【在 p*e 的大作中提到】
: 你需要首先给定很多数据，并且有label（是脸还是不是脸），这步叫training
: 然后基于你给定的标准，你使model 辨别的和真实情况相差不远，就可以用了
|
c****3
发帖数: 10787 | 16 你这个逻辑不对，GPS和人工智能无关。
对可靠性要求高，肯定不敢相信现在的机器学习结果，因为机器啥也不知道，不能判断
好坏，对错，完全靠概率瞎蒙。大家都做坏事，或者给机器大量坏信息，机器立刻学坏
，因为坏出现的概率高。
【在 p******n 的大作中提到】
: 就象GPS，作用还小吗？
:
: 同。
|
q********i
发帖数: 152 | 17 就是拟合函数。
问题:函数形式是怎样的，参数有哪些，如何判断预测结果是否正确，若不正确，如何
修改参数以提高预测正确性。
若一个系统，在给予训练数据后能够自动地提高某种指标，那么我们说它是在学习。
例如简单的线性回归也是机器学习，因为在给予更多数据后，该系统可以减小残差。
【在 C*****4 的大作中提到】
: 机器怎么会学习？
: Deep learning又是啥意思？
|
s****e
发帖数: 7018 | 18 机器学习的关键在于模式识别
比如小孩学习 giraffe, 需要识别动物园真的长颈鹿，
玩具长颈鹿，电视里的长颈鹿，书里画的长颈鹿
以后看见了这种形状的，就知道是长颈鹿了 |
p******n
发帖数: 2449 | 19 跟机器电脑学习最后就变成没有情感健康意识的机器人。
被机器控制，大脑迟钝。 |
p*e
发帖数: 6785 | 20 你需要把照片上面的东西转换成数字化的东西，比如像素颜色什么的
【在 C*****4 的大作中提到】
: 就算我给定一张照片标出照片上的各种东西的特征，再拿出另一张照片给机器判断，机
: 器怎么能做出判断的，照片只是一个平面图，对机器来说，怎么读取两张照片并感觉到
: 不同
|
|
|
C**********e
发帖数: 23303 | 21 楼主的基础有些差 大家不要苛求
楼主 首先问你一句
你知道google搜图的原理吧（就是上传一张图 狗狗会返回和这张图一样或者相似的所
有图的结果）
如果知道
其实和识别人脸的最基本原理是一样的 |
C*****4
发帖数: 8585 | 22 卷积和拟合各在什么情况下用
【在 q********i 的大作中提到】
: 就是拟合函数。
: 问题:函数形式是怎样的，参数有哪些，如何判断预测结果是否正确，若不正确，如何
: 修改参数以提高预测正确性。
: 若一个系统，在给予训练数据后能够自动地提高某种指标，那么我们说它是在学习。
: 例如简单的线性回归也是机器学习，因为在给予更多数据后，该系统可以减小残差。
|
c****x
发帖数: 6601 | 23 目前的人工智能还处于“有多少人工就有多少智能”的阶段。 |
C*****4
发帖数: 8585 | 24 不知道，请解释该原理
【在 C**********e 的大作中提到】
: 楼主的基础有些差 大家不要苛求
: 楼主 首先问你一句
: 你知道google搜图的原理吧（就是上传一张图 狗狗会返回和这张图一样或者相似的所
: 有图的结果）
: 如果知道
: 其实和识别人脸的最基本原理是一样的
|
C*****4
发帖数: 8585 | 25 每张人脸照片在像素颜色上难道有很大区别 ？就算有区别，能区别也是让机器自己区
别，请问怎么告诉它们做出区别
【在 p*e 的大作中提到】
: 你需要把照片上面的东西转换成数字化的东西，比如像素颜色什么的
|
C**********e
发帖数: 23303 | 26 你就不知道自己搜一下？
——————————————————————————————————
计算机怎么知道两张图片相似呢？
根据Neal Krawetz博士的解释，原理非常简单易懂。我们可以用一个快速算法，就达到
基本的效果。
这里的关键技术叫做"感知哈希算法"（Perceptual hash algorithm），它的作用是对
每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。结果越
接近，就说明图片越相似。
下面是一个最简单的实现：
第一步，缩小尺寸。
将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结
构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。
第二步，简化色彩。
将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
第四步，比较像素的灰度。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记
为0。
第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹
。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。
= = 8f373714acfcf4d0
得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，
这等同于计算"汉明距离"（Hamming distance）。如果不相同的数据位不超过5，就说
明两张图片很相似；如果大于10，就说明这是两张不同的图片。
具体的代码实现，可以参见Wote用python语言写的imgHash.py。代码很短，只有53行。
使用的时候，第一个参数是基准图片，第二个参数是用来比较的其他图片所在的目录，
返回结果是两张图片之间不相同的数据位数量（汉明距离）。
这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。
如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出
原图。
实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只
要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，但是原理与上面的
简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。
【在 C*****4 的大作中提到】
: 不知道，请解释该原理
|
p*e
发帖数: 6785 | 27 所以区别人和狗很容易，区别人脸和人脸对机器就很难
【在 C*****4 的大作中提到】
: 每张人脸照片在像素颜色上难道有很大区别 ？就算有区别，能区别也是让机器自己区
: 别，请问怎么告诉它们做出区别
|
C**********e
发帖数: 23303 | 28 人脸识别的算法已经发表了无数的文章
深度学习的基础就是四篇基本文章
你有兴趣就自己下载看看
当然
如果你是文科生 只是看看热闹就算了
可能你看不懂 |
C**********e
发帖数: 23303 | 29 不难 早就实现了
【在 p*e 的大作中提到】
: 所以区别人和狗很容易，区别人脸和人脸对机器就很难
|
C*****4
发帖数: 8585 | 30 能知道两个图片相似和知道两个照片上是同一个人还差老远吧
【在 C**********e 的大作中提到】
: 你就不知道自己搜一下？
: ——————————————————————————————————
: 计算机怎么知道两张图片相似呢？
: 根据Neal Krawetz博士的解释，原理非常简单易懂。我们可以用一个快速算法，就达到
: 基本的效果。
: 这里的关键技术叫做"感知哈希算法"（Perceptual hash algorithm），它的作用是对
: 每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。结果越
: 接近，就说明图片越相似。
: 下面是一个最简单的实现：
: 第一步，缩小尺寸。
|
|
|
C**********e
发帖数: 23303 | 31 不差老远
都是一个道理
早就实现了
【在 C*****4 的大作中提到】
: 能知道两个图片相似和知道两个照片上是同一个人还差老远吧
|
C*****4
发帖数: 8585 | 32 扯吧
【在 C**********e 的大作中提到】
: 不差老远
: 都是一个道理
: 早就实现了
|
C**********e
发帖数: 23303 | 33 你要人为是在扯 那就扯吧
不过如果你用人脸识别技术申请funding 肯定申请不到
因为早就实现了
现在图像识别的挑战是
动态空间图像的任意对象识别
举个例子：
随便给出一张照片 比如风景照
计算机会告诉你
这张图里面有5颗树 两条图 三个人 一只狗 两个房子 一个湖 等等
再升级一点
就是识别摄像头的动态图像中所有的对象
这个是可以申请到新funding也能发表文章
【在 C*****4 的大作中提到】
: 扯吧
|
C**********e
发帖数: 23303 | 34 哥度假回来 心情挺好
才给你码这末多字
你要真是文科生
那就是 明月照沟渠了 |
C*****4
发帖数: 8585 | 35 谷歌相片管理就能识别风景照里各个不同的人物并帮按照同一个人来归类照片你难道不
知道？
你确定谷歌的人脸识别用的是你那哈希算法？
【在 C**********e 的大作中提到】
: 你要人为是在扯 那就扯吧
: 不过如果你用人脸识别技术申请funding 肯定申请不到
: 因为早就实现了
: 现在图像识别的挑战是
: 动态空间图像的任意对象识别
: 举个例子：
: 随便给出一张照片 比如风景照
: 计算机会告诉你
: 这张图里面有5颗树 两条图 三个人 一只狗 两个房子 一个湖 等等
: 再升级一点
|
o*******y
发帖数: 1076 | 36 就是统计学
[在 Csk2014 (超时空) 的大作中提到：]
：机器怎么会学习？
：Deep learning又是啥意思？
：........... |
c***z
发帖数: 6348 | 37 Do you know calculus?
Say you have a function y = f(x), where f has some parameters, and follow
some basic requirement (e.g. continuous, but this is not necessary, because
saw shaped functions work better).
Basically it is using the chain rule in calculus to move the parameters
around for minimal prediction error, which is the difference between the
predicted y and real y.
When error is minimized, we think we found a correlation between the inputs
and outputs, and try to apply that correlation to outside data.
If we are lucky, and this correlation is indeed valid in a general setting,
we push to production and party.
But alas, after a while things change and the model is not working and
nobody really knows what is going on.
And so we repeat the above process. |
