我越发感觉人认为自己有特殊性其实是幻觉 大部分人其实都只是一段非常弱鸡的代码 比如说我们学点东西就要学很久 可能这个学习的过程都可以调出一个专门干这事儿的人格智能了

回复1#chim

目前的强人工智能还没有超过乌鸦的智能。
人工智能强的只是视觉识别、语音识别、动作控制这些最容易实现的东西，距离真正的人类智能还有十万八千里的距离，比光年近多了。

我只了解自然语言方面的，自然语言方面，理解和生成都还远远不足。生成的metric目前大多用的还是BLEU，其实不够好，但也没啥好办法。理解的评价以阅读理解为例，目前主要是以模型能否回答问题来判断性能。常识的引入是近期的研究热点，但是困难重重，我前年研究的阅读理解中离散推理，目前的模型可解释性也不好。其实就是研究了很多年的指代消解，在长文本中也是难点。总之问题挺多，而且很难解决。当然，部分技术已经能落地了，但是要强人工智能那样，差的还是很远 iOS fly ~

那男女来电 觉得对方很特别也是幻觉，双方把自己的各项参数打过去，一下子就能爱上或排除了

就我的了解，目前没有啥强人工智能，所谓的ai只是统计学上大数据理论的应用，人类真正的思考远未触及，别说思考了，即便是文学欣赏也做不来。 iOS fly ~

连怎么实现强人工智能的路线都不知道。。。都不知道瓶颈在哪。。。

人工智能的基础研究已经几十年没有突破了吧，最近这些年都是算力在变强，搞出了各种新的应用。。。但是基础还是以前的那些东西

你爱的其实是自己的感觉,也可以说是自己的错觉.

人脑的智能应该不是基于概率的算法而产生的智能，而是基于少数数据建立的一种模型，然后通过不断输入数据，根据输出的结果，调整参数。

这与人类认识世界的方式也很相近。人类的科学家会首先提出一种假说，然后通过观察实验来验证它，如果验明为假，自然科学家会在已知的观察实验结果的基础上提出一种新的假说，然后再重复前面的过程。这是一种认识方法，需要观察实验来验证，因此这是典型的经验归纳法，或者称之为人类具有“抽象”的能力。就像欧几里得基于5条公理和5条公设，推出了467个定理，建立一个可靠的数学模型。这是AI所不能完成的。

人类的长项在于建模，而不是计算。长于计算的AI，基本上是没有可能追上人类建模方面的优势。

你说的学习过程我觉得只是其中一种，而这种在目前人工智能领域也广泛的在研究，就是深度强化学习。
以我多年人工智能经历总体感悟是，人脑在逻辑和迁移（所谓的创造）中确实远超一切硅基，但可高效持续时间差，所幸人类在研究生物物理数学中不断获得自己思想的原理，甚至自然的原理，总结归纳成为上帝的语言（我称之为真理），把这些需要运用在人工智能上，人工智能从结果看哪哪都像人类，但不知疲倦，听话好使。
。。。以后慢慢说。。。新春快乐！

这个概念我持怀疑态度，理由是我家之前从小养的八哥（刚孵化出来，眼睛还没睁开就开始养的），虽然它说的话的内容是平时家人对话的复制，但是明显能观察到它是知道内容的。比如忘记喂食了，它会跳到我妈肩上对着耳朵喊“吃饭”，我放学回家的时候它会边飞边喊我的名字，更有一次下雨天他被关在阳台上，他一边叨窗户一边高喊“放我进去”，而这句话是平时他从来没说过的

我感觉半导体已经在控制人类了，什么比特币网络手机都是强烈刺激人提高半导体生产效率

现阶段是数据驱动的弱智，智能必须要任务驱动。 iOS fly ~

鸟的祖先是恐龙，所以鸟的智力应该比恐龙高

计算力不够

计算力够的话， 可以暴力接近。

自然的原理其实就是因果律了。人类能根据因果律建立一个抽象模型，然后输入数据，观察结果，验证模型的可靠性。人类自孩提时代开始，就在反复验证这套模型的可靠性，其验证的频度不亚于大数据学习。
但是目前的人工智能却不能按照上帝的语言（因果律是其中之一）构造一个模型，也不会自己输入数据进行验证，缺少自我进化的能力，这其实也是一种上帝的能力。

这不是鹦鹉




这是鹦鹉精 iOS fly ~

这个八哥神了，确定不是条件反射训练的结果么？

我记得吴军说过，期望值最大化方法被看成是宇宙演变和物种进化背后的动力，也是机器学习算法重要的理论基础。只要给出一个收益函数，在每一时刻算出能够最大化收益（期望值）的方向，沿着这个方向走一小步，然后再从新的起点重复这个过程，不论从何处开始，最后一定能够达到收益最大的那个终点。

但是遵循同样的自然法则，机器学习可能花上数百亿次的运算，才能得出所需的结果，在学习的速度和能力方面，机器学习比生物学习的速度慢的不像是遵循同样的宇宙规律。

回复18#jinseng


没有专门训练过它，因为从没睁眼就养大的，我妈也舍不得关笼子里，会飞以后成天就不离我妈肩膀，我妈吃点啥它都要伸嘴叨一口尝尝，赶也赶不走，一点规矩都没。所以家母说话他学的最像，好几次它闲的无聊喊我名字玩，我都以为我妈喊我

回复17#prenewbie


据说八哥要比鹦鹉聪明一点，乌鸦则智商最高

多读书，少思考

你的感觉错得离谱

现在所谓的人工智能，只能跟石头比是有智能

实际上能做的是根据已有的目标和边界条件算一个也许靠谱的解出来

而做事最难的并不是算法，而是通过辩证法找到真命题，搞清楚目标和边界条件。

要这个事情做好，不要说对机器，对大多数人都很难。

不要学D版人，天天嘴里xxx很简单，不就是xxx
iOS fly ~

围棋。。。。

现在的人工智能是在人给出的模型上进行自动或被动的参数或结构的调整，以达到自动化地“找近似”或“找最优”。
强人工智能相当于是要可以自动建立模型了，也就是上面坛友说的形成概念，如何做到这一步，人们还想象不出来。

你有这样的幻觉，恰恰是因为你懂的太少。

人类搞不清楚的东西，不知道机器如何能搞明白。
人工智能最适合的也许是已经制定好游戏规则的游戏了，吃鸡、斗地主、围棋、象棋什么的，应该比人类玩得好。

reinforce learning 的难点在哪里? 怎么现在没supervised learning 应用怎么多？

吴恩达现在不是在推广 小数据AI吗

现在连愚蠢都算不上
何来智能

主要是算力耗电太大吧HiPDA·NG

概念的抽象和泛化，现在还没人能做出来吧。只不过是一种统计骗局。

感觉我们离强人格智能就差一个算法。就是如何从经验或者记忆里顿悟出一个答案，剩下的事情就是去数学证明这个答案（机器证明），或者通过实践或者模拟去试这个答案，后面的倒是比较简单，就是顿悟这个动作感觉应该是有个很神的算法有待发现，也不一定要求顿悟一定对，因为大部分都是错的。

瓶颈有两个：
1.还不能自我进化
2.目的为人类服务

原理 和 算力都不够

所以唬人的 iOS fly ~

深蓝用穷举法战胜国际象棋大师，阿尔法狗战胜柯洁的原理其实差不多，
因为不需要穷举所有可能，只要下胜率最高的棋就可以了，
所以阿尔法狗并不懂围棋，它只懂比大小

GPT-3已经狠可怕了。

RL 已经不能满足了，因为单纯的算法无法有效的吸取不同级别的特征，这时候就有了DRL，就是我说的深度强化学习，这样的模型不仅在感知当年有DL的极大优势(远超人类了)，在高级的决策的问题中优势逐渐明显，当初的阿尔法元给我巨大惊吓。。。之后将在机器行为决策等方面大放异彩

监督学习为啥用的火，因为人类对图像语音的信息获取本来不太擅长，这一块DL已经超过人类了，而且部署简单，有利可图吧。。。以后再说新春快乐！