w********2
发帖数: 632 | |
S**2
发帖数: 1 | |
w********2
发帖数: 632 | |
w********2
发帖数: 632 | 4 ai90年代就冒过泡死了，现在其实是ai 2.0, robot 2.0，所以别太乐观。 |
o***o
发帖数: 194 | 5 泡沫3.0，80年代末无人车就横穿美国了，现在还这样
里面很多骗术，我养猪的都能看出来 |
w********2
发帖数: 632 | |
o***o
发帖数: 194 | 7 AI猪脸识别
【在 w********2 的大作中提到】
: 老莫你是无人ai养猪场吗？
|
w********2
发帖数: 632 | 8 这个牛。比人脸识别难度大多了。
【在 o***o 的大作中提到】
: AI猪脸识别
|
o***o
发帖数: 194 | 9 几百个T的大数据，拍了几十亿张猪脸
【在 w********2 的大作中提到】
: 这个牛。比人脸识别难度大多了。
|
P******r
发帖数: 273 | 10 90年代初的时候人工智能，专家系统火得不得了。当时就有人号称取代一切行业。90年
后期互联网大发展也是不得了。
【在 w********2 的大作中提到】
: ai90年代就冒过泡死了，现在其实是ai 2.0, robot 2.0，所以别太乐观。
|
|
|
w********2
发帖数: 632 | |
a******9
发帖数: 20431 | 12 不一样 AI在工业界确实实用 并且不止是互联网行业
：5年后再找下家。 |
w********2
发帖数: 632 | 13 expert system knowledge system 其实就是ai，也在各行业都有应用，也很有用，但
和真正的expert比还是不行。现在的这种ds ai ml只不过用了hadoop之类的便宜pc建的
cluster/cloud，速度快很多而已，本质没区别。
【在 P******r 的大作中提到】
: 90年代初的时候人工智能，专家系统火得不得了。当时就有人号称取代一切行业。90年
: 后期互联网大发展也是不得了。
|
w********2
发帖数: 632 | 14 ml的算法1980年代就出来了，当时只能在mainframe上用，应用不广。 |
d*****u
发帖数: 17243 | 15 好多工具是现在才有的（以前也不可能做实验）。
比如机器翻译，现在就是把两种语言的文本一一对照着输入训练模型。
以前那些模型是无法做到的。没有词向量，也没有向量的sequence to sequence模型
【在 w********2 的大作中提到】
: expert system knowledge system 其实就是ai，也在各行业都有应用，也很有用，但
: 和真正的expert比还是不行。现在的这种ds ai ml只不过用了hadoop之类的便宜pc建的
: cluster/cloud，速度快很多而已，本质没区别。
|
w********2
发帖数: 632 | 16 本质上都是数据库加brutal force叉树搜索。再加点nn预测。
【在 d*****u 的大作中提到】
: 好多工具是现在才有的（以前也不可能做实验）。
: 比如机器翻译，现在就是把两种语言的文本一一对照着输入训练模型。
: 以前那些模型是无法做到的。没有词向量，也没有向量的sequence to sequence模型
|
a***e
发帖数: 27968 | 17 这次搞定了围棋还是牛不少的
★ 发自iPhone App: ChinaWeb 1.1.4
【在 w********2 的大作中提到】
: 5年后再找下家。
|
d*****u
发帖数: 17243 | 18 还真不是，跟传统CS里的数据结构基本没有关系。
比如经典seq2seq模型（2015年左右推出的）是每输入一个词向量就更新一下RNN的状态，
（所谓状态是个高维数据，自发生成的）。
等一个句子完了以后，用最后的状态来生成目标语言的词向量序列。
训练的过程就是训练怎么用输入更新状态，怎么用状态得到输出。
而这些转换也全都是自动学习的。
经典CS方法是离散数学。当代深度学习全是连续实函数的运算。
【在 w********2 的大作中提到】
: 本质上都是数据库加brutal force叉树搜索。再加点nn预测。
|
w********2
发帖数: 632 | 19 brutal force强大了很多。1990年代ibm mainframe 就赢了国际象棋，一样的思路。简
单一些，要求运算少一些。
【在 a***e 的大作中提到】
: 这次搞定了围棋还是牛不少的
:
: ★ 发自iPhone App: ChinaWeb 1.1.4
|
w********2
发帖数: 632 | 20 这个有点动态的意思，我过去没接触过，看看去，再来讨论。rnn过去用过。
态，
【在 d*****u 的大作中提到】
: 还真不是，跟传统CS里的数据结构基本没有关系。
: 比如经典seq2seq模型（2015年左右推出的）是每输入一个词向量就更新一下RNN的状态，
: （所谓状态是个高维数据，自发生成的）。
: 等一个句子完了以后，用最后的状态来生成目标语言的词向量序列。
: 训练的过程就是训练怎么用输入更新状态，怎么用状态得到输出。
: 而这些转换也全都是自动学习的。
: 经典CS方法是离散数学。当代深度学习全是连续实函数的运算。
|
|
|
s*****V
发帖数: 21731 | 21 这次AI不算泡沫，智能音箱算一个小菜，下一个big thing是自动驾驶。
【在 w********2 的大作中提到】
: 5年后再找下家。
|
w********2
发帖数: 632 | 22 所有这些泡泡里最对社会有真实贡献的是太空旅行和生物变种技术。别的都是每隔15-
20年翻一次闲饭加点佐料改个名字。 |
d*******t
发帖数: 31 | |
