w*****m 发帖数: 20421 | 1 计算COMPUTE和学习LEARN本来就是两回事
所以把LEARN放在CS里解决,还需要一个质的突破
所谓的COMPUTE,不管计算多么复杂,最后无非是变成了电子元件的01问题
来解决,而LEARN呢,01问题能不能解决呢?
比如学习游泳,这是一个模拟感知反馈提高的过程,
而且也是一个循环的上升过程,上来就把LEARN放到COMPUTE里去
就是错了 |
z*****3 发帖数: 1793 | 2 你说的这个learn简单来讲是是machine learning里面reinforcement learning解决的
问题。
machine learning涵盖内容很宽泛,不是你凭感觉来理解的。machine learning里面专
门有Learnability的研究,有兴趣可以去看看。
话说有时候还是不要凭感觉走,容易让人觉得你的问题肤浅。 |
x****u 发帖数: 44466 | 3 机器学习本质是个基于概率的模拟微分积分计算的问题,人类现在完全有技术能力造出
真正的神经网络芯片,速度超过GPU几万倍。但没人知道这东西有什么用,怎么用。
啥时候DL领域解决了大多数问题,万事俱备只欠运算力时,模拟计算机就要复苏了。
【在 w*****m 的大作中提到】 : 计算COMPUTE和学习LEARN本来就是两回事 : 所以把LEARN放在CS里解决,还需要一个质的突破 : 所谓的COMPUTE,不管计算多么复杂,最后无非是变成了电子元件的01问题 : 来解决,而LEARN呢,01问题能不能解决呢? : 比如学习游泳,这是一个模拟感知反馈提高的过程, : 而且也是一个循环的上升过程,上来就把LEARN放到COMPUTE里去 : 就是错了
|
x****u 发帖数: 44466 | 4 一般来说深度学习和统计学习的鸿沟非常深
ML是统计数学解决问题,DL是靠结构解决问题。
ML是算最优次优解而DL目标是代价最低的获得解法。
【在 z*****3 的大作中提到】 : 你说的这个learn简单来讲是是machine learning里面reinforcement learning解决的 : 问题。 : machine learning涵盖内容很宽泛,不是你凭感觉来理解的。machine learning里面专 : 门有Learnability的研究,有兴趣可以去看看。 : 话说有时候还是不要凭感觉走,容易让人觉得你的问题肤浅。
|
w*****m 发帖数: 20421 | 5 不要讲些书本上的东西,书本就会给你分类,Reinforcement learning是要有GOAL
无GOAL的学着玩玩呢,学做白日梦,学着做饭,学着捣乱,有时候没有目的,就是
玩玩找找乐 |
z*****3 发帖数: 1793 | 6 DL是representation learning。统计机器学习是上世纪80年代SVM代表的基于VC
dimension统计理论的一系列算法把神经网络艹翻后兴起的。
ML的理论简单来说就是最求最大限度的generalize,目的是输出hypothesis。
DL也逃不出这个范围。
这本DL的书讲的很清楚。
http://www.deeplearningbook.org/
【在 x****u 的大作中提到】 : 一般来说深度学习和统计学习的鸿沟非常深 : ML是统计数学解决问题,DL是靠结构解决问题。 : ML是算最优次优解而DL目标是代价最低的获得解法。
|
z*****3 发帖数: 1793 | 7 Reinforcement learning 也涉及,比如inverse reinforcement learning。还有
imitation learning或者learning from demonstration。简单来讲就是模仿人类做事
情。现在已经发展到这种地步了,机器人用的很多。
【在 w*****m 的大作中提到】 : 不要讲些书本上的东西,书本就会给你分类,Reinforcement learning是要有GOAL : 无GOAL的学着玩玩呢,学做白日梦,学着做饭,学着捣乱,有时候没有目的,就是 : 玩玩找找乐
|
x****u 发帖数: 44466 | 8 DL和ML互相巴不得咬死对方,你还举个例子说DL就是ML,真是孤陋顾闻了。。。
DL最牛的地方,就是一个模型通吃几百个领域的问题,而且什么数学不懂得小屁孩经过
奋斗调参,可以把ML老教授打的满地找牙。
2012年之前DL默默无闻,码农对ML根本没兴趣。不管你算法解决了什么问题,都是一次
性工作,到时候直接用即可。但现在DL出来了,组合调参变成了主要工作,业界就来劲
了。
【在 z*****3 的大作中提到】 : DL是representation learning。统计机器学习是上世纪80年代SVM代表的基于VC : dimension统计理论的一系列算法把神经网络艹翻后兴起的。 : ML的理论简单来说就是最求最大限度的generalize,目的是输出hypothesis。 : DL也逃不出这个范围。 : 这本DL的书讲的很清楚。 : http://www.deeplearningbook.org/
|
z*****3 发帖数: 1793 | 9 这个恩怨就是我给你说的统计ML,80,90年代兴起,把神经网络艹翻了。话说我现在研
究的RL以前居然叫neuro-dynamic programming。现在是风水轮流转,轮到神经网络了。
【在 x****u 的大作中提到】 : DL和ML互相巴不得咬死对方,你还举个例子说DL就是ML,真是孤陋顾闻了。。。 : DL最牛的地方,就是一个模型通吃几百个领域的问题,而且什么数学不懂得小屁孩经过 : 奋斗调参,可以把ML老教授打的满地找牙。 : 2012年之前DL默默无闻,码农对ML根本没兴趣。不管你算法解决了什么问题,都是一次 : 性工作,到时候直接用即可。但现在DL出来了,组合调参变成了主要工作,业界就来劲 : 了。
|
w*****m 发帖数: 20421 | 10 说了很多学习的东西,但其实学习中也有探索的过程
比如学习用天文望远镜看宇宙,可以探索到新的行星
还有学习使用IPHONE,忽然发现了新APP可以学习英语单词
学习不只是简单的模仿,还有偶然的,意想不到的,没人计划的
东西在学习里也占了不少比例,比如学习开车,未必每个可能
发生的事件都学习过了,比如外星人忽然拦住你怎么办,
忽然地震了怎么办,或者山洪暴发了怎么办,谁也没去学习过
只能是凭借电影电视上看过的,加上自己的经验甚至本能做出
理智的反应。
【在 z*****3 的大作中提到】 : Reinforcement learning 也涉及,比如inverse reinforcement learning。还有 : imitation learning或者learning from demonstration。简单来讲就是模仿人类做事 : 情。现在已经发展到这种地步了,机器人用的很多。
|
|
|
z*****3 发帖数: 1793 | 11 这就牵涉到定义了,你说的这些能定义不?不能定义的都没法搞。
说实话很多问题如果不能好好定义,没法做的。只能进入文科,神学领域开始吹牛扯淡
了。
【在 w*****m 的大作中提到】 : 说了很多学习的东西,但其实学习中也有探索的过程 : 比如学习用天文望远镜看宇宙,可以探索到新的行星 : 还有学习使用IPHONE,忽然发现了新APP可以学习英语单词 : 学习不只是简单的模仿,还有偶然的,意想不到的,没人计划的 : 东西在学习里也占了不少比例,比如学习开车,未必每个可能 : 发生的事件都学习过了,比如外星人忽然拦住你怎么办, : 忽然地震了怎么办,或者山洪暴发了怎么办,谁也没去学习过 : 只能是凭借电影电视上看过的,加上自己的经验甚至本能做出 : 理智的反应。
|
w*****m 发帖数: 20421 | 12 觉得问题就出这了,人总是喜欢对一切事物下定义,学习是一个过程
不好下定义,没学会怎么定义,没学好怎么定义,学了个半半拉,更不好定义了。
就好比人的成长是一个过程,也很难下定义,增加一个细胞
是不是成长了,个子长高了是不是成长了,其实并没有明确的界限。
所以让机器人学习会比较难,让机器人成长可能就更难。
【在 z*****3 的大作中提到】 : 这就牵涉到定义了,你说的这些能定义不?不能定义的都没法搞。 : 说实话很多问题如果不能好好定义,没法做的。只能进入文科,神学领域开始吹牛扯淡 : 了。
|
x****u 发帖数: 44466 | 13 话说RL成大器之前得搞定RNN吧。
现在CNN已经表现出人类水平之上的感知和学习能力了,但RNN还解决不了什么核心问题
,一个机器翻译也是狗屁不通。
了。
【在 z*****3 的大作中提到】 : 这个恩怨就是我给你说的统计ML,80,90年代兴起,把神经网络艹翻了。话说我现在研 : 究的RL以前居然叫neuro-dynamic programming。现在是风水轮流转,轮到神经网络了。
|
n******7 发帖数: 12463 | 14 好书,谢谢
根据fig 1.4, DL是ML的一个子集
【在 z*****3 的大作中提到】 : DL是representation learning。统计机器学习是上世纪80年代SVM代表的基于VC : dimension统计理论的一系列算法把神经网络艹翻后兴起的。 : ML的理论简单来说就是最求最大限度的generalize,目的是输出hypothesis。 : DL也逃不出这个范围。 : 这本DL的书讲的很清楚。 : http://www.deeplearningbook.org/
|
c****3 发帖数: 10787 | 15 都是闭着眼睛,凭着自己想象瞎搞。说是模仿人,其实也是自己骗自己。挂着羊头卖狗
肉,还是怕没人信,说是全新发明的机器学习,和人没关系还差不多。
说是神经网络,其实连生物神经网络是如何编码,传信息的都不知道,更不要说里面是
具体干啥的了。还有意识和学习用概率法往上套更是瞎扯,连搞生物的都弄不清人的意
识和学习是怎么回事,搞计算机的能知道?那可以得诺贝尔奖了,可惜搞生物的不认可。 |
x****u 发帖数: 44466 | 16 说DL是ML的子集,就和说ISIS是美国一个自治领一样
本身DL这个名字就是为了不被ML斩尽杀绝而改的
【在 n******7 的大作中提到】 : 好书,谢谢 : 根据fig 1.4, DL是ML的一个子集
|
x****u 发帖数: 44466 | 17 CNN就是学猫眼看东西,理论实际都是这样,
可。
【在 c****3 的大作中提到】 : 都是闭着眼睛,凭着自己想象瞎搞。说是模仿人,其实也是自己骗自己。挂着羊头卖狗 : 肉,还是怕没人信,说是全新发明的机器学习,和人没关系还差不多。 : 说是神经网络,其实连生物神经网络是如何编码,传信息的都不知道,更不要说里面是 : 具体干啥的了。还有意识和学习用概率法往上套更是瞎扯,连搞生物的都弄不清人的意 : 识和学习是怎么回事,搞计算机的能知道?那可以得诺贝尔奖了,可惜搞生物的不认可。
|
c****3 发帖数: 10787 | 18 瞎编的你也信?
这就是挂羊头卖狗肉
他知道猫眼怎么看东西,猫脑里面如何工作,就能得诺贝尔奖了。
【在 x****u 的大作中提到】 : CNN就是学猫眼看东西,理论实际都是这样, : : 可。
|
x****u 发帖数: 44466 | 19 人家早就得了诺奖
【在 c****3 的大作中提到】 : 瞎编的你也信? : 这就是挂羊头卖狗肉 : 他知道猫眼怎么看东西,猫脑里面如何工作,就能得诺贝尔奖了。
|
c****3 发帖数: 10787 | 20 牛啊!
一个搞计算机算法的,靠自己大脑无穷想象力,不用做实验,就破解猫脑视觉处理内部
奥秘,说是是那个大牛
【在 x****u 的大作中提到】 : 人家早就得了诺奖
|
|
|
x****u 发帖数: 44466 | 21 动物视觉是早被破解的问题,做算法的不过是想出来了图灵机有效解法而已。
【在 c****3 的大作中提到】 : 牛啊! : 一个搞计算机算法的,靠自己大脑无穷想象力,不用做实验,就破解猫脑视觉处理内部 : 奥秘,说是是那个大牛
|
c****3 发帖数: 10787 | 22 这是扯淡,你找个学生物的问问,对大脑视觉信号处理了解到什么程度
【在 x****u 的大作中提到】 : 动物视觉是早被破解的问题,做算法的不过是想出来了图灵机有效解法而已。
|
x****u 发帖数: 44466 | |
c****3 发帖数: 10787 | 24 这没啥稀奇,你以为别人不知道。只是发现功能模块在大脑那里,好像分层处理,里面
具体细节都不知道。
就靠算法大牛的想象力了
【在 x****u 的大作中提到】 : http://www.nobelprize.org/nobel_prizes/medicine/laureates/1981/
|
x****u 发帖数: 44466 | 25 所以说科学家半个世纪前就知道了视神经系统的物理结构,不知道的是具体权重是多少。
CNN就是有效的用数学方法在图灵机上训练出来了权重。
【在 c****3 的大作中提到】 : 这没啥稀奇,你以为别人不知道。只是发现功能模块在大脑那里,好像分层处理,里面 : 具体细节都不知道。 : 就靠算法大牛的想象力了
|
c****3 发帖数: 10787 | 26 物理结构有啥用,具体细节根本不知道。
一句话,全是这些人自己想象的。这点我早就看出来了,人工智能书的序言看完,就明
白是怎么回事了。
少。
【在 x****u 的大作中提到】 : 所以说科学家半个世纪前就知道了视神经系统的物理结构,不知道的是具体权重是多少。 : CNN就是有效的用数学方法在图灵机上训练出来了权重。
|
x****u 发帖数: 44466 | 27 因为你只看了序言。
NN实验结果告诉你,激活函数选什么不重要,重要的是结构和权重。其他的都是训练用
技巧。
猫本身不是训练出的视觉感受,这个权重是几亿年进化后天然就有的。
【在 c****3 的大作中提到】 : 物理结构有啥用,具体细节根本不知道。 : 一句话,全是这些人自己想象的。这点我早就看出来了,人工智能书的序言看完,就明 : 白是怎么回事了。 : : 少。
|
c****3 发帖数: 10787 | 28 你是真信?
这种挂羊头卖狗肉,那么明显,一直以为大家都很容易看出来,没想到这么多人看不出
【在 x****u 的大作中提到】 : 因为你只看了序言。 : NN实验结果告诉你,激活函数选什么不重要,重要的是结构和权重。其他的都是训练用 : 技巧。 : 猫本身不是训练出的视觉感受,这个权重是几亿年进化后天然就有的。
|
x****u 发帖数: 44466 | 29 模型摆着你自己试试不就知道了?
【在 c****3 的大作中提到】 : 你是真信? : 这种挂羊头卖狗肉,那么明显,一直以为大家都很容易看出来,没想到这么多人看不出
|
c*******9 发帖数: 9032 | 30 這人就是搞行為藝術的,你居然這麼耐心。
【在 x****u 的大作中提到】 : 模型摆着你自己试试不就知道了?
|
|
|
c****3 发帖数: 10787 | 31 你觉得高大尚,旁人看了觉得是新时代的“缘木求鱼”。
号称叫学习,其实机器根本不懂什么是理解内容。用一个猜谜语做试金石,简单一试就
知道,这玩意搞来搞去也搞不出理解内容来.
这是挂羊头卖狗肉,明明和人的学习不是一回事,非要挂这个羊头,如此明显会看不出
。所以问你是真相信,还是因为工作假装相信。
【在 x****u 的大作中提到】 : 模型摆着你自己试试不就知道了?
|