Видео

請問可以提共代碼嗎?已訂閱~

请问可以提供代码嘛

Chinese accent

Don't worry about their contents of mutual dialogue. Cause it doesn't matter with PRC in the future.

💞Thanks💞 🌀☸️☯️🕉️🌀 Sino sphere 💚🐉🇨🇳🐉💚

thanks ，it is great

good

非常好的总结！我每集都看。

thanks

I want to share our problem here regarding our wifi connection and all, they hack and clone all our family's accounts and for years they are tapping our internet,, they are our neighbors and including a subdivision at the back of our house.

Andrew is good.

谢谢🙏

这个观点已经被打脸了openai推出了视频生成sora，而且给出的论文，说明还是用transformer框架,只不过把立体的视频切分成更多的平面二维结构,二维结构再继续切分成像文字token的关系来训练,open ai把它称之为patch，即补丁。然后再利用扩展架构训练生成新的视频。transformer框架本来是谷歌科学家发明的，而且公开的，但很多人包括谷歌公司本身都没有十分看好这个框架。所幸的是从谷歌出走的科学家或程序员，坚信这个框架的前景，最后大力出奇迹。先后拿出令人震惊的ChatGPT和Sora，让大家再也不敢小看Transformer框架。

任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前功讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析。以便對一些事件做出精准智能的預測。所謂自我學習也只是用更新的資料去修正原先迥歸分析的參數而已。40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。隨計算機能力不斷提升，目前AI 所謂大模型，就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龎大的神經網絡。因此也不用太誇大眼下的AI , 這些理論早在40 年以前都已建構了理論基礎。只是因算力不足只能在各自領域進行中小規模的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子。”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。 另外， 眼下AI 的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理𤦎都已完備。 其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 搞編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。 只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理………..等等。 由於語言學是高度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。 而這些AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特別定領域的電腦智能恊作工具。因此應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。 因此CIC 或是AI 是以特定領域專家組為主導，數理統計為核心，資訊工程及硬體工程都是配合的工具而已。 這樣的發展才會健康/ 不浪費/ 高效率/ 高精確度。 目前的方式發展， 以資訊工程及硬體工程為主導，只是因為這方面算力需大資本投入，因此不得不採取的投資回報推廣營運方式，但這種情況就會造成眼下嚴重的誤導及錯誤的認知，甚至沒有效率及喪生精準度。 未來可能的發展模式是資訊及硬體工程提供算力設備及模式編程的開放平台，供各領域的專家組使用。 有點像晶片產業。 各應用領域產業由專家組組成公司後，進行各領域的智能應用（如晶片應用的design house，如聯發科，海思等 ) , 而算力的提供及收費則由資訊及硬體工程提供（這需要蜜集资本投入，甚至國家力量投入，如台積電）。

又开始忽悠了！

谢谢大神，这个视频我觉得非常重要

好奇怪 为什么这视频是中文 下面评论是些说英文的中国人

👍👍❤❤

We need these bright mind people to show the way ahead.

good interview ,thanks for sharing

音乐太吵了！

It's a great opportunity to get both of them together but unfortunately I think the interviewer's choice of topics did not make good use of their time. The interviewer pushed the conversation towards more general societal questions, which are important but could be addressed by many other people. I would have liked to hear from both of them more in depth discussions on how AI is being used in industries, a topic that they have a ton of experience in.

Interesting.

太棒了！！

Good talk, Fei Fei and Andrew! The host's questions are great too. Many thanks

Nice interview! Thanks for uploading!

hi ketain@tim can you upload more videos. I really love your teaching style.

good！