n******7
发帖数: 12463 | 1 感觉ML就是用一堆feature去fit output
结果就是train出来的model虽然可以work
但是对机器来说是知其然不知其所以然
这点很像中医，尝试了不同的中药（参数）组合之后
发现可以治某个病
但是具体为什么可以，是不知道的
只好用一些虚无的寒热之类来解释
有没有什么研究方向是试图让机器真的像人那样可以学习
理解问题的本质是什么
进而做出预测决定的呢？ |
N******K
发帖数: 10202 | 2 医学图像分析里面 很多特征什么的 还是得靠人找 有医学和物理意义
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
u******x
发帖数: 54 | 3 Like neural networks it doesn't matter as long as it works. You don't need
to know why it works. Correct?
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
G**Y
发帖数: 33224 | 4 ML能爽就好
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
m********5
发帖数: 17667 | 5 你那叫专家系统，现在不流行了
医学上比较保守，因为毕竟是关系人命，所以专家系统占主导
你们搞个信号处理还得来fit人类的双盲判断
我看也是走入歧途了，统计比人眼还精确
【在 N******K 的大作中提到】
: 医学图像分析里面 很多特征什么的 还是得靠人找 有医学和物理意义
|
m******1
发帖数: 418 | 6 My two cents:
ML算法的意义应该比较明确，而在feature提取和选择方面确实比较五花八门，有些文
章明显地误导，动辄上百个feature。我们都知道用太多feature会产生curse of
dimensionality,还有相互关联的feature对提高分类精确度没有任何帮助。
借着这个帖子向ML的大侠们请教两个问题：
多年前战胜国际象棋大师的计算机deep blue用的是什么算法？
有个做指纹识别的公司，老板是个华裔，前几年有篇报道他们产品的识别精度大大优于
同类产品，哪位大侠知道他们用的什么样的ML算法？
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
g*****y
发帖数: 7271 | 7 人的学习有啥不一样么？最好能举个例子说明。
搞数学公式推导的，机器也有一些定理证明一类的算法。
前面有人提到的专家系统大多数跟这个有一定的关系。
剩下的人也基本就是归纳总结吧。人类从发现物体都往下落
到知道万有引力经历了多久？你是希望机器能做这件事情？
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
P****i
发帖数: 12972 | 8 工程本来就是这样的
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
N******K
发帖数: 10202 | 9 你不懂就不要装懂
【在 m********5 的大作中提到】
: 你那叫专家系统，现在不流行了
: 医学上比较保守，因为毕竟是关系人命，所以专家系统占主导
: 你们搞个信号处理还得来fit人类的双盲判断
: 我看也是走入歧途了，统计比人眼还精确
|
n******7
发帖数: 12463 | 10 这不版上这两天在批判ML AI 什么的吗
比如识别图片里面的行人
机器做的就是扫每个区域，然后把各个区域的像素值转化成数值feature，然后根据
training的model来预测。机器根本没有人这个概念。识别人跟识别车，苹果没什么区别
人脑具体机制我不知道，但是人是有“人”这个概念的。如果来了个没腿的残疾人，人
脑可能多想一会儿，但是还是可以识别。电脑如果没有残疾人的training sample，就
悬了。再比如来个没有头的人在照片中间，人脑肯定知道这不是真人，电脑就不好说了。
再如，如果识别一个苹果。只看过完整苹果的小孩，也能识别切一半的苹果，或者jobs
的苹果，而电脑就很难了
我琢磨这是因为人脑存有大量的knowledge，知道活物，死物的区别，能发现事物的共
性和特性，知道什么性质会影响什么。有没有什么研究方向是想这个方面努力的？
【在 g*****y 的大作中提到】
: 人的学习有啥不一样么？最好能举个例子说明。
: 搞数学公式推导的，机器也有一些定理证明一类的算法。
: 前面有人提到的专家系统大多数跟这个有一定的关系。
: 剩下的人也基本就是归纳总结吧。人类从发现物体都往下落
: 到知道万有引力经历了多久？你是希望机器能做这件事情？
|
|
|
N******K
发帖数: 10202 | 11 计算机视觉 不对物体建模 所以会有你说的问题
医学图像里面 对各器官是建立立体几何模型的 可以精确测量 我觉得这才是人思考的
方式
区别
了。
jobs
【在 n******7 的大作中提到】
: 这不版上这两天在批判ML AI 什么的吗
: 比如识别图片里面的行人
: 机器做的就是扫每个区域，然后把各个区域的像素值转化成数值feature，然后根据
: training的model来预测。机器根本没有人这个概念。识别人跟识别车，苹果没什么区别
: 人脑具体机制我不知道，但是人是有“人”这个概念的。如果来了个没腿的残疾人，人
: 脑可能多想一会儿，但是还是可以识别。电脑如果没有残疾人的training sample，就
: 悬了。再比如来个没有头的人在照片中间，人脑肯定知道这不是真人，电脑就不好说了。
: 再如，如果识别一个苹果。只看过完整苹果的小孩，也能识别切一半的苹果，或者jobs
: 的苹果，而电脑就很难了
: 我琢磨这是因为人脑存有大量的knowledge，知道活物，死物的区别，能发现事物的共
|
n******7
发帖数: 12463 | 12 我们组就有做电镜图像识别的，好像是要重建3D结构，组会没仔细听过...
那为什么计算机视觉不能建模每个物品呢？
如果物品再分class，应该可以解决无头人和jobs苹果的识别问题
【在 N******K 的大作中提到】
: 计算机视觉 不对物体建模 所以会有你说的问题
: 医学图像里面 对各器官是建立立体几何模型的 可以精确测量 我觉得这才是人思考的
: 方式
:
: 区别
: 了。
: jobs
|
h**********c
发帖数: 4120 | 13 我老没正经学过ml,
只觉得中医正８景biological research,正式出版物有那么千八年的peer review.
怎么也有1 billion use cases 吧！ |
N******K
发帖数: 10202 | 14 你到大街上看看 多少物品 都建模了 计算机要爆了
【在 n******7 的大作中提到】
: 我们组就有做电镜图像识别的，好像是要重建3D结构，组会没仔细听过...
: 那为什么计算机视觉不能建模每个物品呢？
: 如果物品再分class，应该可以解决无头人和jobs苹果的识别问题
|
n******7
发帖数: 12463 | 15 那人脑为啥没爆？
【在 N******K 的大作中提到】
: 你到大街上看看 多少物品 都建模了 计算机要爆了
|
c*******9
发帖数: 9032 | 16 人脑是并行模拟计算机，是不是量子计算机不清楚。
【在 n******7 的大作中提到】
: 那人脑为啥没爆？
|
n******7
发帖数: 12463 | 17 那要模仿人脑，必须要并行模拟机？
或者在数字上模拟这个模拟机？
【在 c*******9 的大作中提到】
: 人脑是并行模拟计算机，是不是量子计算机不清楚。
|
M*P
发帖数: 6456 | 18 现在不是都搞什么sparse feature就是为了提升interpretability
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
k**********g
发帖数: 989 | 19
相反。
TCM (Traditional C. Medicine) and C. Geomancy are early attempts at
Clustering (recording statistics about events, and grouping together
correlated events for prediction purposes.)
金 = Label 1
木 = Label 2
水 = Label 3
火 = Label 4
土 = Label 5
Low probability events are discarded.
Then the interactions of these clusters of events are documented.
Obviously, mnemonics like 金生水 etc., are completely B.S.
So, once those mnemonics became popular, the labels and models no longer
serve any purpose.
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
g*****y
发帖数: 7271 | 20 如果一个小孩，重来没见过切开的苹果，也不见得能认得切开的苹果。
至少当你只给他看切开的那一面的话。问题是绝大多数见过苹果的小孩
多半还吃过苹果，知道苹果里面长啥样。而电脑就不一定了。
计算机识别当然也需要不同的training数据才能对付这种情况，
比方现在已经比较成熟的识别不同朝向的人脸之类的。
如果你讲的是被遮挡了部分的物体识别，或者残疾之类的，只需要识别
算法设计成是利用部分特征来识别而不是完全依靠整体形状特征，现在
也有这样的算法的。不应该成为小看现有ML算法的理由。
发现事物的共性不就是现在ML里面的data mining要做的事么？只是
电脑容易获得的training数据和人通过感官和经历获得的数据差别是
非常大的。。。
区别
了。
jobs
【在 n******7 的大作中提到】
: 这不版上这两天在批判ML AI 什么的吗
: 比如识别图片里面的行人
: 机器做的就是扫每个区域，然后把各个区域的像素值转化成数值feature，然后根据
: training的model来预测。机器根本没有人这个概念。识别人跟识别车，苹果没什么区别
: 人脑具体机制我不知道，但是人是有“人”这个概念的。如果来了个没腿的残疾人，人
: 脑可能多想一会儿，但是还是可以识别。电脑如果没有残疾人的training sample，就
: 悬了。再比如来个没有头的人在照片中间，人脑肯定知道这不是真人，电脑就不好说了。
: 再如，如果识别一个苹果。只看过完整苹果的小孩，也能识别切一半的苹果，或者jobs
: 的苹果，而电脑就很难了
: 我琢磨这是因为人脑存有大量的knowledge，知道活物，死物的区别，能发现事物的共
|
|
|
n******7
发帖数: 12463 | 21 你没抓住要点
一个小孩，即使没见过切开的苹果，但是见过完整的苹果，和切开的橙子，他一样可以
推断出这是一个切开的苹果
ML显然不行。 这里的关键我觉得是一个认知体系，可以认识到苹果核橙子的类似处，
但是也知道他们的不同。
因为如此，小孩子只要见过一个苹果，以后就可以识别出苹果了。ML显然不行
我举的人物识别的问题，同样是残缺的人，人类可以知道大街上能遇到无腿人，但是不
会遇到无头人，计算机就不行了。
这里我想到很小时候看过一个书，大概是怎么告诉电脑鸟会飞这个概念。为了电脑不会
搞错，得加很多限定：
1. 企鹅不能飞 （这个对人也还适用）
2. 假鸟不能飞
3. 鸟腿绑一块水泥不能飞
4. 煮熟的鸟不能飞
...
我感觉要让电脑能有common sense，可能就可以跟人脑一样了
【在 g*****y 的大作中提到】
: 如果一个小孩，重来没见过切开的苹果，也不见得能认得切开的苹果。
: 至少当你只给他看切开的那一面的话。问题是绝大多数见过苹果的小孩
: 多半还吃过苹果，知道苹果里面长啥样。而电脑就不一定了。
: 计算机识别当然也需要不同的training数据才能对付这种情况，
: 比方现在已经比较成熟的识别不同朝向的人脸之类的。
: 如果你讲的是被遮挡了部分的物体识别，或者残疾之类的，只需要识别
: 算法设计成是利用部分特征来识别而不是完全依靠整体形状特征，现在
: 也有这样的算法的。不应该成为小看现有ML算法的理由。
: 发现事物的共性不就是现在ML里面的data mining要做的事么？只是
: 电脑容易获得的training数据和人通过感官和经历获得的数据差别是
|
h**********c
发帖数: 4120 | 22 Fuzzy math, still alive? |
n******7
发帖数: 12463 | 23 这不就是个隶属度的问题？跟智能什么的关系大吗？
【在 h**********c 的大作中提到】
: Fuzzy math, still alive?
|
H*******n
发帖数: 251 | 24 ML 也讲就 望 闻 问 切
望：远看7、8分
闻：无异味
问：外f过没啊？
切：直入主题 |
g*****y
发帖数: 7271 | 25 这些东西专家系统来做的话好像很容易的样子，只是没什么用，所以没人做而已。
以前也有人做点智能对话系统吧，加点基本的公理，然后搞个定理推导，感觉
不算太难。
比方说有这么两条：“鸟靠扇翅膀飞”，“死鸟动不了翅膀”。就可以推出煮熟的鸟
不会飞了。
难的是把绝大多数日常概念全加进去，到能够有用的地步。没有收益谁做这个啊。
【在 n******7 的大作中提到】
: 你没抓住要点
: 一个小孩，即使没见过切开的苹果，但是见过完整的苹果，和切开的橙子，他一样可以
: 推断出这是一个切开的苹果
: ML显然不行。 这里的关键我觉得是一个认知体系，可以认识到苹果核橙子的类似处，
: 但是也知道他们的不同。
: 因为如此，小孩子只要见过一个苹果，以后就可以识别出苹果了。ML显然不行
: 我举的人物识别的问题，同样是残缺的人，人类可以知道大街上能遇到无腿人，但是不
: 会遇到无头人，计算机就不行了。
: 这里我想到很小时候看过一个书，大概是怎么告诉电脑鸟会飞这个概念。为了电脑不会
: 搞错，得加很多限定：
|
h**********c
发帖数: 4120 | 26 I know neither ML, nor fuzzy meth. So very difficult to answer your question.
But I know something that it is easy a system/model can go to chaos.
【在 n******7 的大作中提到】
: 这不就是个隶属度的问题？跟智能什么的关系大吗？
|
n******7
发帖数: 12463 | 27 金木水火土到底是什么？这个到现在还不清楚吧
所以跟ML一样，一堆feature 参数，计算机自己也不知道是啥意思
【在 k**********g 的大作中提到】
:
: 相反。
: TCM (Traditional C. Medicine) and C. Geomancy are early attempts at
: Clustering (recording statistics about events, and grouping together
: correlated events for prediction purposes.)
: 金 = Label 1
: 木 = Label 2
: 水 = Label 3
: 火 = Label 4
: 土 = Label 5
|
n******7
发帖数: 12463 | 28 你想说的到底是难还是不难？
要是能模拟哪怕五岁小孩，怎么会没有用呢
一旦做出来，经过不断学习，肯定牛逼的不行啊
你说的是现有的专家系统没用吧
你的推断也不够general，应该是“鸟靠扇翅膀飞”“鸟是动物”，“死动物不会动”
，“熟的动物是死的”
【在 g*****y 的大作中提到】
: 这些东西专家系统来做的话好像很容易的样子，只是没什么用，所以没人做而已。
: 以前也有人做点智能对话系统吧，加点基本的公理，然后搞个定理推导，感觉
: 不算太难。
: 比方说有这么两条：“鸟靠扇翅膀飞”，“死鸟动不了翅膀”。就可以推出煮熟的鸟
: 不会飞了。
: 难的是把绝大多数日常概念全加进去，到能够有用的地步。没有收益谁做这个啊。
|
n******7
发帖数: 12463 | 29 chaos跟fuzzy math也没关系吧
而且生物体恰恰是负熵体，一种dissipative structure
是远离混沌的
question.
【在 h**********c 的大作中提到】
: I know neither ML, nor fuzzy meth. So very difficult to answer your question.
: But I know something that it is easy a system/model can go to chaos.
|
h**********c
发帖数: 4120 | 30 dynamic system I learned study differential equations. not realted to fuzzy
math. so far, I didnot find the formal definition of chaos. but a system may
demonstrate chaotic behavior at multiple bifurcations.
Not something I completely caught or got.
But dynamic system also has a descrete branch may relate.
Biological bodies are so complex, it is very difficult to model a dog or cat
in this point of view.
There is a software called AUTO, in its documentation, there is mathematical
model about the dynamics of heart cell. I never studied this model. But I
heard that the dynanmical behavior of your heart cells
demonstrate some sort of chaotic behavior between it is jumping, not jumping
or some quasi-state. they(cells) so delicate, sensitive to the outside
influence, but critical about living or perish.
I have to and I should stop here, as a programmer not a research scientist,
I prefer to build
reliable, deterministic product other people can use according to well
designed/documented/implemented third party tools or tools of myself or from
yours.
【在 n******7 的大作中提到】
: chaos跟fuzzy math也没关系吧
: 而且生物体恰恰是负熵体，一种dissipative structure
: 是远离混沌的
:
: question.
|
|
|
N******K
发帖数: 10202 | 31 你说的就是形状模型的问题 医学图像分析里面 早就用了
【在 n******7 的大作中提到】
: 你没抓住要点
: 一个小孩，即使没见过切开的苹果，但是见过完整的苹果，和切开的橙子，他一样可以
: 推断出这是一个切开的苹果
: ML显然不行。 这里的关键我觉得是一个认知体系，可以认识到苹果核橙子的类似处，
: 但是也知道他们的不同。
: 因为如此，小孩子只要见过一个苹果，以后就可以识别出苹果了。ML显然不行
: 我举的人物识别的问题，同样是残缺的人，人类可以知道大街上能遇到无腿人，但是不
: 会遇到无头人，计算机就不行了。
: 这里我想到很小时候看过一个书，大概是怎么告诉电脑鸟会飞这个概念。为了电脑不会
: 搞错，得加很多限定：
|
h**********c
发帖数: 4120 | 32 这个问题可以抬杠
比如你的解晰度是１０２４X ７６８
然后我要你画个正１０２４X ７６８的多边形
这样你就理解点了dynamical system sensitive 概念，chaos就差不多了，有点
entangling 的意思 |
L***n
发帖数: 6727 | 33 你这太难了，机器要能做到理解本质人就真的可以退休了
【在 n******7 的大作中提到】
: 感觉ML就是用一堆feature去fit output
: 结果就是train出来的model虽然可以work
: 但是对机器来说是知其然不知其所以然
: 这点很像中医，尝试了不同的中药（参数）组合之后
: 发现可以治某个病
: 但是具体为什么可以，是不知道的
: 只好用一些虚无的寒热之类来解释
: 有没有什么研究方向是试图让机器真的像人那样可以学习
: 理解问题的本质是什么
: 进而做出预测决定的呢？
|
n******7
发帖数: 12463 | 34 那理解无腿人，无头人，半边人是死是活
理解鸟会飞，但是各种common sense的例外还是做不到吧
【在 N******K 的大作中提到】
: 你说的就是形状模型的问题 医学图像分析里面 早就用了
|
n******7
发帖数: 12463 | 35 ...完全不懂你在说啥
什么是正１０２４X ７６８的多边形？
【在 h**********c 的大作中提到】
: 这个问题可以抬杠
: 比如你的解晰度是１０２４X ７６８
: 然后我要你画个正１０２４X ７６８的多边形
: 这样你就理解点了dynamical system sensitive 概念，chaos就差不多了，有点
: entangling 的意思
|
n******7
发帖数: 12463 | 36 我知道很难，但是应该肯定有什么人做，或者在思考这个方向吧？
我就想了解下现在这个方向有什么进展
【在 L***n 的大作中提到】
: 你这太难了，机器要能做到理解本质人就真的可以退休了
|
N******K
发帖数: 10202 | 37 sparse coding based shape model
【在 n******7 的大作中提到】
: 那理解无腿人，无头人，半边人是死是活
: 理解鸟会飞，但是各种common sense的例外还是做不到吧
|
g*****y
发帖数: 7271 | 38 这种定理证明式的人工智能早就有了，没什么难度。
虽然显得有点智力似的，其实没什么实际的用途。
【在 n******7 的大作中提到】
: 你想说的到底是难还是不难？
: 要是能模拟哪怕五岁小孩，怎么会没有用呢
: 一旦做出来，经过不断学习，肯定牛逼的不行啊
: 你说的是现有的专家系统没用吧
: 你的推断也不够general，应该是“鸟靠扇翅膀飞”“鸟是动物”，“死动物不会动”
: ，“熟的动物是死的”
|
M****z
发帖数: 1058 | 39 how to simulate brain operation while how brain works is still not fully
understood by human beings? |
k**********g
发帖数: 989 | 40
that is why people simulate neurons.
【在 M****z 的大作中提到】
: how to simulate brain operation while how brain works is still not fully
: understood by human beings?
|
|
|
M****z
发帖数: 1058 | 41 http://www.scientificamerican.com/article/human-brain-project-d
comments on that page worth reading, your thoughts?
【在 k**********g 的大作中提到】
:
: that is why people simulate neurons.
|
