x****6
发帖数: 4339 | 1 AI依靠的是在海量的数据库里找细致、微妙、复杂的规律；但是当训练数据就一个点的
时候就没用了，因为AI没有人与生俱来的镌刻在DNA上的common sense。
并不是所有的人类领域都是大数据兼容的，在创新领域，基本上是小数据，靠运气和直
觉。
当然，理论上开发出具有人类直觉、甚至超越人类直觉的AI是可能的，肯能还是大概率
实践，
但是在那天到来之前，没必要把AI无限拔高。 |
o*****p
发帖数: 2977 | 2 阿尔法狗zero 0数据横扫八荒。
【在 x****6 的大作中提到】
: AI依靠的是在海量的数据库里找细致、微妙、复杂的规律；但是当训练数据就一个点的
: 时候就没用了，因为AI没有人与生俱来的镌刻在DNA上的common sense。
: 并不是所有的人类领域都是大数据兼容的，在创新领域，基本上是小数据，靠运气和直
: 觉。
: 当然，理论上开发出具有人类直觉、甚至超越人类直觉的AI是可能的，肯能还是大概率
: 实践，
: 但是在那天到来之前，没必要把AI无限拔高。
|
d****a
发帖数: 3087 | 3
一改规则就傻了。还得靠人来调整。
【在 o*****p 的大作中提到】
: 阿尔法狗zero 0数据横扫八荒。
|
o*****p
发帖数: 2977 | 4 改规则肯定人先傻。
【在 d****a 的大作中提到】
:
: 一改规则就傻了。还得靠人来调整。
|
x****6
发帖数: 4339 | 5 那有个JB用，围棋本来就是人类发明的、具有明确规则的游戏，围棋的本质是纯计算问
题。
除了这些人类自己发明的简单（就规则简单明确而言）的娱乐项目，人类面临的绝大多
数来自人类社会和大自然的现实问题，大部分连基本规则都搞不清，AI基本没用。
比如，同样是排列组合问题，蛋白质的折叠以及随之诞生的结构和功能之间的对应问题
，现在连折叠过程的精确物理机理（规则）都没搞清楚，AI有个JB用。
【在 o*****p 的大作中提到】
: 改规则肯定人先傻。
|
S*****n
发帖数: 4185 | |
x****6
发帖数: 4339 | 7 那样的话，人估计也傻逼了。
【在 S*****n 的大作中提到】
: 把棋格改成21x21，狗立马傻了。
|
T****t
发帖数: 11162 | |
C**********e
发帖数: 23303 | 9 你这种观点是错误的
在小数据方面AI采用强化学习
实现效果更好
因为AI不会累 |
x****6
发帖数: 4339 | 10 这么说吧，我学骑单车，摔两脚就学会了；给定相同的试错次数（十次）,器人学得会
吗?
【在 C**********e 的大作中提到】
: 你这种观点是错误的
: 在小数据方面AI采用强化学习
: 实现效果更好
: 因为AI不会累
|
|
|
x****6
发帖数: 4339 | 11 again, 这种统计难道不是属于大数据吗？
我现在说的是小数据的情形。
【在 T****t 的大作中提到】
: 我觉得通过统计，电脑可能比你还更了解你。
|
C**********e
发帖数: 23303 | 12 你举了个很好的例子
这正是AI强项
比如你 人摔两下就学会了
机器人需要摔 １００００次
但是机器人一不怕摔
二是一旦学会
其他所有机器人比如１００万个机器人立刻都会骑车了
而每个人比如１００万人却需要自己再学 都需要跌两脚 。。。
【在 x****6 的大作中提到】
: 这么说吧，我学骑单车，摔两脚就学会了；给定相同的试错次数（十次）,器人学得会
: 吗?
|
x****6
发帖数: 4339 | 13 你加的那些附加条件以后，听起来确实不错；但是关键是这个世界并不总适合大规模、
量产、整齐划一。
多样性才是演化和进步的原动力。尼玛AI以来，一下take over, 看似眼前利益最大化
，却很有可能失去未来。
【在 C**********e 的大作中提到】
: 你举了个很好的例子
: 这正是AI强项
: 比如你 人摔两下就学会了
: 机器人需要摔 １００００次
: 但是机器人一不怕摔
: 二是一旦学会
: 其他所有机器人比如１００万个机器人立刻都会骑车了
: 而每个人比如１００万人却需要自己再学 都需要跌两脚 。。。
|
v*******e
发帖数: 11604 | |
C**********e
发帖数: 23303 | 15 AI也能演化和进步 而且更快更准
比如阿狗就创造出来人类几百万棋谱中都没有的定式和妙招
现在的AI强化学习就是重新走这条路子
如 AI 创作文学 绘画 音乐
而现在 AI 创作的音乐由于没有版权限制
在媒体业特别受欢迎
【在 x****6 的大作中提到】
: 你加的那些附加条件以后，听起来确实不错；但是关键是这个世界并不总适合大规模、
: 量产、整齐划一。
: 多样性才是演化和进步的原动力。尼玛AI以来，一下take over, 看似眼前利益最大化
: ，却很有可能失去未来。
|
C**********e
发帖数: 23303 | 16 我觉得你对AI感兴趣就是一个好的开端
其实现在的AI 早就可以通过图灵测试了 |
l*****i
发帖数: 20533 | 17 现在的ai的确还不能和人类比。但是未来呢？
就几年前，跟人说围棋ai可以完虐人类顶尖棋手，人家肯定嘲笑你啊。可以去围棋论坛
翻翻当时的帖子。
【在 x****6 的大作中提到】
: 那有个JB用，围棋本来就是人类发明的、具有明确规则的游戏，围棋的本质是纯计算问
: 题。
: 除了这些人类自己发明的简单（就规则简单明确而言）的娱乐项目，人类面临的绝大多
: 数来自人类社会和大自然的现实问题，大部分连基本规则都搞不清，AI基本没用。
: 比如，同样是排列组合问题，蛋白质的折叠以及随之诞生的结构和功能之间的对应问题
: ，现在连折叠过程的精确物理机理（规则）都没搞清楚，AI有个JB用。
|
x****6
发帖数: 4339 | 18 我上面不是承认了AI的发展前景吗？
我并不是一味外AI，但是我有两点保守意见：
1. 我反对hype。现在AI在很多时候就是个噱头，泡沫，并不利于科技和社会的发展
2. 在AI渗透人类社会的同时，我们人（或者说大多数人）该怎么办？这里涉及存在主
义的本质问题
【在 l*****i 的大作中提到】
: 现在的ai的确还不能和人类比。但是未来呢？
: 就几年前，跟人说围棋ai可以完虐人类顶尖棋手，人家肯定嘲笑你啊。可以去围棋论坛
: 翻翻当时的帖子。
|
X****i
发帖数: 1877 | 19
我就有搞小数据的经验。
其实如果眼光独到，
小数据可以产生奇迹。
【在 x****6 的大作中提到】
: AI依靠的是在海量的数据库里找细致、微妙、复杂的规律；但是当训练数据就一个点的
: 时候就没用了，因为AI没有人与生俱来的镌刻在DNA上的common sense。
: 并不是所有的人类领域都是大数据兼容的，在创新领域，基本上是小数据，靠运气和直
: 觉。
: 当然，理论上开发出具有人类直觉、甚至超越人类直觉的AI是可能的，肯能还是大概率
: 实践，
: 但是在那天到来之前，没必要把AI无限拔高。
|
x****6
发帖数: 4339 | 20 您所谓的小数据指的是？
【在 X****i 的大作中提到】
:
: 我就有搞小数据的经验。
: 其实如果眼光独到，
: 小数据可以产生奇迹。
|
|
|
x****6
发帖数: 4339 | 21 请问这位码农，有什么AI入门读物吗？
【在 C**********e 的大作中提到】
: 我觉得你对AI感兴趣就是一个好的开端
: 其实现在的AI 早就可以通过图灵测试了
|
b*******8
发帖数: 37364 | 22 阿发狗在规则清楚胜负明了的情况下，可以自己产生海量的棋谱作为准确训练数据，可
以做的很好。但现实中规则不清楚，胜负不明了，就复杂多了。比如机器学习打仗，历
史上的战例就不多，而且由于记载关系，输入和输出误差都很大，根本不好用来训练。
战例又不像棋谱，可以自己生成。就算AI跟着现在部队去打仗，采样哪些数据也是个很
复杂的问题，比围棋复杂无数倍了。看看狗打星际的困难就知道了。
小样本是个大问题。生物可以做的很好。小动物要学习逃生反捕猎，前几次最危险，必
须尽短时间学会，不能拖延。
现实中还有遇到从来没见过的情况的，有经验的人可以处理的很好，现在的机器学习肯
定不行。
所以不要妄自菲薄。人脑计算不如电脑，但人脑适合处理宇宙险恶的真实环境，能在极
端时间内处理全频段全息输入，虽然不是得出最优解，但效率很高了。现在的机器学习
，还远远达不到这点。下棋可以轻松灭人，但是很可惜，宇宙不是下棋这么简单的，人
脑本来就不是进化适应下棋的。 |
l*****i
发帖数: 20533 | 23 人类未来如何自处？长远来看，我预测ai将继承人类的精华技术代替人类继续发展下去
。人类么，估计就当寄生虫好了。过的类似现在的吃福利的那些人。没什么追求，成天
自己找乐呵混吃等死。
【在 x****6 的大作中提到】
: 我上面不是承认了AI的发展前景吗？
: 我并不是一味外AI，但是我有两点保守意见：
: 1. 我反对hype。现在AI在很多时候就是个噱头，泡沫，并不利于科技和社会的发展
: 2. 在AI渗透人类社会的同时，我们人（或者说大多数人）该怎么办？这里涉及存在主
: 义的本质问题
|
f*******a
发帖数: 4416 | 24 尼玛别好高骛远了。
AI先把路走好了就不错了
【在 b*******8 的大作中提到】
: 阿发狗在规则清楚胜负明了的情况下，可以自己产生海量的棋谱作为准确训练数据，可
: 以做的很好。但现实中规则不清楚，胜负不明了，就复杂多了。比如机器学习打仗，历
: 史上的战例就不多，而且由于记载关系，输入和输出误差都很大，根本不好用来训练。
: 战例又不像棋谱，可以自己生成。就算AI跟着现在部队去打仗，采样哪些数据也是个很
: 复杂的问题，比围棋复杂无数倍了。看看狗打星际的困难就知道了。
: 小样本是个大问题。生物可以做的很好。小动物要学习逃生反捕猎，前几次最危险，必
: 须尽短时间学会，不能拖延。
: 现实中还有遇到从来没见过的情况的，有经验的人可以处理的很好，现在的机器学习肯
: 定不行。
: 所以不要妄自菲薄。人脑计算不如电脑，但人脑适合处理宇宙险恶的真实环境，能在极
|
f*******a
发帖数: 4416 | 25 不可能。人类不可能让AI单独发展的。
最多共生，给人脑增加一个AI辅脑植入
【在 l*****i 的大作中提到】
: 人类未来如何自处？长远来看，我预测ai将继承人类的精华技术代替人类继续发展下去
: 。人类么，估计就当寄生虫好了。过的类似现在的吃福利的那些人。没什么追求，成天
: 自己找乐呵混吃等死。
|
l*****i
发帖数: 20533 | 26 现在的仿人类步行ai用的还都是没有什么学习功能的、主要依靠人类直接输入的原始ai
，当然不行。但是一旦引入合适的传感器并且使用这个最新的技术，‘学会’走路是分
分钟的事。中国的研究者其实可以去研究研究，只是并没有太大实用价值，能吸引眼球
骗些经费罢了。只怕这玩意马上也是欧美的先做出来。
【在 f*******a 的大作中提到】
: 尼玛别好高骛远了。
: AI先把路走好了就不错了
|
l*****i
发帖数: 20533 | 27 目前为止阿发狗用的那种ai技术还和硬件结合的不多，所以没有立刻铺开。前面就有人
说什么‘ai再厉害也不会自己下棋子’，殊不知工程上如果不考虑成本的话这已经根本
不存在问题。很快ai结合硬件的这个浪潮就要来了。这种技术将有多种具体应用。希望
中国的研究者能明白这一点。 |
l*****i
发帖数: 20533 | 28 人类将为ai额外制定终极目标。这方面阿西莫夫那个三定律其实已经很不错了。
【在 f*******a 的大作中提到】
: 不可能。人类不可能让AI单独发展的。
: 最多共生，给人脑增加一个AI辅脑植入
|
l*****i
发帖数: 20533 | 29 你要是不做这方面技术的话，其实就看看阿西莫夫的机器人系列就很好。至于具体他如
何实现ai算法你知道了也没用啊。或者顶多维基一下呗。
【在 x****6 的大作中提到】
: 请问这位码农，有什么AI入门读物吗？
|
l******r
发帖数: 316 | 30 别吹AI了，搞了这么多年，连个无限，极限的概念AI都搞不定。还比不过300多年以前
的人类。
AI搞围棋有啥用？围棋就算变成1000001×1000001的棋盘仍然是有限种可能跟3×3的棋
盘没本质区别。
【在 l*****i 的大作中提到】
: 现在的ai的确还不能和人类比。但是未来呢？
: 就几年前，跟人说围棋ai可以完虐人类顶尖棋手，人家肯定嘲笑你啊。可以去围棋论坛
: 翻翻当时的帖子。
|
|
|
b****s
发帖数: 872 | 31 你们这些还是码农，真是蠢！
下围棋是人类自己发明的，就和鸟巢是鸟造的。这些都不是天生的东西。
原始人都能发明简单方法，做个比鸟巢好的房子。
生物牛逼的都是天生具备的东西，不是后来靠自己力量发明的！
就是现在，也没人有本事造一个比鸟还灵活的飞行器
去比AI，就要比那些人人天生就会的东西，比那些每个人都会的，才有比的价值。比如
语言，视觉，理解之类，这些连个6岁小孩都比不过。 |
o*****p
发帖数: 2977 | 32 你这都是老黄历了。图像识别的准确率ai两年前就超过人类。一大堆公司在做应用。
比如根据影像判断各种癌症，ai的准确率超过了大多数经验丰富的医生。你别说6岁小
孩，60岁也被碾压成渣。
【在 b****s 的大作中提到】
: 你们这些还是码农，真是蠢！
: 下围棋是人类自己发明的，就和鸟巢是鸟造的。这些都不是天生的东西。
: 原始人都能发明简单方法，做个比鸟巢好的房子。
: 生物牛逼的都是天生具备的东西，不是后来靠自己力量发明的！
: 就是现在，也没人有本事造一个比鸟还灵活的飞行器
: 去比AI，就要比那些人人天生就会的东西，比那些每个人都会的，才有比的价值。比如
: 语言，视觉，理解之类，这些连个6岁小孩都比不过。
|
b****s
发帖数: 872 | 33 这种吹牛连6岁小孩都看出来是假的，你的超过是什么条件下的？
【在 o*****p 的大作中提到】
: 你这都是老黄历了。图像识别的准确率ai两年前就超过人类。一大堆公司在做应用。
: 比如根据影像判断各种癌症，ai的准确率超过了大多数经验丰富的医生。你别说6岁小
: 孩，60岁也被碾压成渣。
|
o*****p
发帖数: 2977 | 34 真是。。。。这里应该写个四字成语形容你这种
https://www.leiphone.com/news/201707/E2pMYAttYTkfvbIS.html
2017年是ImageNet挑战赛举办的最后一年，夏威夷当地时间7月26日，作为ImageNet创
始人之一的李飞飞和他的学生邓嘉在CVPR 2017期间的一场workshop上做了主题演讲，
他们对ImageNet 八年来所走的路做了深情回顾和总结。
2017年是这场挑战赛的最后一年。这八年中，获奖者的算法正确识别率就从71.8%提升
到97.3%，已远远超越了人类。
因为这个比赛识别的成功率已经到顶，所以2017是最后一届。
AI闯入医学影像学 读片准确率高达73%
http://www.chinasei.com.cn/xxjscy/rgzn/201706/t20170614_16795.html
在速度上，人类本就不占优势。但结果还是让许多人吃了一惊。第一轮比赛中，AI与一
位从业30年的超声科医师得分相同。两轮比赛厮杀下来，AI读片准确率高达73%，比人
类医生团队的平均得分还要高。
注：这只是其中一个比赛，很多差不多的医疗图像比赛都有这个结果，nature发了好几
篇文章了。
【在 b****s 的大作中提到】
: 这种吹牛连6岁小孩都看出来是假的，你的超过是什么条件下的？
|
S*********n
发帖数: 3939 | 35 AI永远赶不上人
再怎么也是artificial
AI搞得清楚什么时候哭什么时候笑？ |
x****6
发帖数: 4339 | 36 我上面说的跟你是一个意思，AI目前还没有common sense, 所以还不能处理小数据。但
看这个趋势，把人类的主要经验和common sense纳入是个大势所趋。比如宏观物理世界
的经验，完全可以把牛顿物理的框架加入AI的基本框架里。
当然，人类复杂的感情和非理性要模拟起来要难得多。
我想，在中长远（=》十代人）的时间尺度上，人类面对AI最后的堡垒，就是科学和意
识的原创性，那种大开脑洞的创意，比如爱因斯坦狭/广义相对论的那种fundamentally
改变认知的创意。
【在 b*******8 的大作中提到】
: 阿发狗在规则清楚胜负明了的情况下，可以自己产生海量的棋谱作为准确训练数据，可
: 以做的很好。但现实中规则不清楚，胜负不明了，就复杂多了。比如机器学习打仗，历
: 史上的战例就不多，而且由于记载关系，输入和输出误差都很大，根本不好用来训练。
: 战例又不像棋谱，可以自己生成。就算AI跟着现在部队去打仗，采样哪些数据也是个很
: 复杂的问题，比围棋复杂无数倍了。看看狗打星际的困难就知道了。
: 小样本是个大问题。生物可以做的很好。小动物要学习逃生反捕猎，前几次最危险，必
: 须尽短时间学会，不能拖延。
: 现实中还有遇到从来没见过的情况的，有经验的人可以处理的很好，现在的机器学习肯
: 定不行。
: 所以不要妄自菲薄。人脑计算不如电脑，但人脑适合处理宇宙险恶的真实环境，能在极
|
b****s
发帖数: 872 | 37 你的脑子是迟钝吧。
视觉识别是在实验室里用的吗，是只用来识别医学影像的吗？
范围都搞不清，不愧是码农。认知水平不如6岁小孩，6岁小孩这种情况都不敢这么大胆
，以偏概全说超过。
【在 o*****p 的大作中提到】
: 真是。。。。这里应该写个四字成语形容你这种
: https://www.leiphone.com/news/201707/E2pMYAttYTkfvbIS.html
: 2017年是ImageNet挑战赛举办的最后一年，夏威夷当地时间7月26日，作为ImageNet创
: 始人之一的李飞飞和他的学生邓嘉在CVPR 2017期间的一场workshop上做了主题演讲，
: 他们对ImageNet 八年来所走的路做了深情回顾和总结。
: 2017年是这场挑战赛的最后一年。这八年中，获奖者的算法正确识别率就从71.8%提升
: 到97.3%，已远远超越了人类。
: 因为这个比赛识别的成功率已经到顶，所以2017是最后一届。
: AI闯入医学影像学 读片准确率高达73%
: http://www.chinasei.com.cn/xxjscy/rgzn/201706/t20170614_16795.html
|
x****6
发帖数: 4339 | 38 这个技术相当用AI构建一个巨大的lookup table，涵盖素有可能性。然后应用起来就是
拿一个个样品都对照。当样品分布的情况完全已知的情况，AI比人牛逼很正常。
但是一旦出现新情况，比如看片子，本来用所有已知的四种病症情况来训练，结果现在
新发现第五种情况，有经验的医生可能质疑，并想办法找其他的实验数据来验证，但是
AI就只能给false positive或者false negative 两种可能。
【在 o*****p 的大作中提到】
: 真是。。。。这里应该写个四字成语形容你这种
: https://www.leiphone.com/news/201707/E2pMYAttYTkfvbIS.html
: 2017年是ImageNet挑战赛举办的最后一年，夏威夷当地时间7月26日，作为ImageNet创
: 始人之一的李飞飞和他的学生邓嘉在CVPR 2017期间的一场workshop上做了主题演讲，
: 他们对ImageNet 八年来所走的路做了深情回顾和总结。
: 2017年是这场挑战赛的最后一年。这八年中，获奖者的算法正确识别率就从71.8%提升
: 到97.3%，已远远超越了人类。
: 因为这个比赛识别的成功率已经到顶，所以2017是最后一届。
: AI闯入医学影像学 读片准确率高达73%
: http://www.chinasei.com.cn/xxjscy/rgzn/201706/t20170614_16795.html
|
