Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
看完趙大神這一期影片 感覺AI還有很長的路要走 模型隱藏層的權比是來自訓練 但真的還是固定的方面但總感覺強AI技術在真正出現之前還是有很多潛在議題 倫理 權利與義務 對人潛在攻擊性之限制人工智能真是很大的題目呀😱
NONO 這個視頻只是演示一種AI最入門算法，如果換成別的算法還有增加更多的運算單元，這個訓練可以更快。
那你应该去了解下laMDA这个AI 你就不这么说了
目前AI走的路是錯誤的..............我只能這樣跟你說,因為看似模擬人腦的神經網路,實際跟人腦運作不同............人類不是經由這種沒有邏輯的運算達到自己的目的,現在AI還太初淺了.....人類是經由創造來實現目的,而AI是經由試錯來達到目的,某種程度來看AI好像不太能夠預測未來,因為你給他的數據永遠無法跟人類所接收到的世界一模一樣.網路上一堆影片生成,大家就認為好厲害~~但他們從沒想過,這些影片生成背後的資料庫哪裡來的~~~全都是網路上盜取來的,沒有經過授權就被盜取去當成孵化池,其實這也是AI未來面臨的問題,一堆AI公司為了撈錢~~都是不擇手段,未經同意就直接將他人創作拷貝到自己的孵化池裏面去運算,其實這已經侵犯智慧財產權了......
@@黃金樹-r5d 為何錯誤?在一堆領域上ai早已吊打人類了
视频质量太高了，但也干不过油管Al，这样的频道应该有千万订阅，每期过亿播放
类似3blue1brown专业视频，也看时间机遇和长期积累
YT宗旨，中文加高科技，这必须要打压。难不成还让世界都看到中国走在美国前面或者和美国一样先进了？
视频很好，但是每期过亿连波士顿动力这种都达不到，别说科普视频了。
@@一片祥和台上台下 这个是科普节目，虽然博主知识渊博同时非常懂得可视化（可视化难度系数比单纯RL+Neural network要复杂的多）， 但就基本的神经网络+Reinforce learning技术本身并非高科技，也没啥好打压的，没必要话里带刺。
@@realdah 虽然也有外国博主做过类似的，现在国内博主做这个也不算很新但就播放量看差太远了，打压是西方正常操作，反正没证据，就说说罢了。西方可是掌握媒体话语权的，连总统都可以封杀
F-16戰機在三維空間都能控制並且打贏頂尖飛行員了，賽車肯定也行。重點是你要將現實世界的物理參數透過實際賽車上安裝sensor做監測與量化才能將此AI實裝上車，這部分可能要去找仿真賽車開發商買數據了。
说不定三维空间反而因为限制少，让AI训练变得比在地上训练更简单。你看特斯拉在路上的训练小时和AI工程师水平应该高出F16 的AI几个数量级吧，但是特斯拉的自动驾驶水平还是比不上普通司机
这是Deep Mind还是小公司时候搞的初代Q-Learning啊。好怀念。
很喜歡AI類型的題材 ! 期望看到更多 支持!!
人类和其它生物或人工智能的本质上的区别我觉得就是人的思维具有随机性，比如你正在吃饭你可以突然想到明天要去哪里玩，看一下后天有没有空去看望哪个朋友等等，而这种天马行空突如其来的思维模式正是激发人的创造力和创新能力的根源。甚至可以说区别于其它动物并不是因为人会制作和使用工具，而正是因为人思维的随机性才有了创造和使用功能的能力。而其它生物基本上是事件驱动型思维模式，比如狮子老虎饿了就要想吃，想吃就得去抓别的动物，当有猛兽来抓你你就得跑等等，都是在事件的驱动下发生的，甚至有些动物也会作用工具，他们因为它们的思维模式限制了他们的创新。而与在的人工智能，工作模式其实还是在于事件驱动，所以人工智能的开发禁区可能已经赋于人工智能思维的随机性，，而以人工智能的迭代速度，这将导致人工智能的不可控性和超越人类。
其實看完了產生了一個感覺--人類自身的學習過程也不外如此，很多時候抽離對於自身的認同感，反而能更加完整地認知自己……其實抛開那些“宇宙中心”的個人視點，這個世界就是個巨大的神經網絡，“國家”“民族”“性別”“職業”無非就是各種不同種類的賽道，而你我則是無數個影分身小車中的一個而已……所以抛開那些自信、焦慮、患得患失，在快樂的指引下奔跑吧，我們的人生本來就是這樣的東西--存在主義者悲觀地發現，我們的人生對於我們自己毫無意義，所以只好宣稱“存在先於意義”--然而從更巨大的結構看來，我們的人生無論成功或者失敗，都有著為這個巨大系統提供經驗的意義……
人类最强的地方是，只需要少量样本就能想象出无限可能的抽象能力。
人是有逻辑推演能力的，加上实验-理论-实践的科研能力，不一定要吃过屎才知道屎难吃。目前的AI在这些方面可以说还完全做不到
@@feifeishuishui 那是因為現在2023年了， 也就好比第50億次出發的車子，因為前（車）人的知識 所以我們現在就很輕易的學會怎麼開車了。
@@100cp_twthey fail we learn
其實大家都給他的學名誤導了，他不是思想判斷，而是pattern matching的方法，而現在是用神經網絡的方式，令AI芯片有自我尋找最適合的pattern 的法。
當時代沒有電腦等積體電路設計，機械結構指的是齒輪這種精密機器，所以我覺得他說得沒錯，機器只能模仿和趨近人類而已。
只能說他當時話說的太滿了沒有考慮未知事物。就跟原始人以為地球是平的一樣只相信當下看到的
@@2kyle352 現代人的科技水平放眼人類歷史乃至於所有地球生物其實才是極端異常稀有的狀況，他當時會這樣說並不奇怪。
你好, 你是用什么仿真软件模拟的汽车赛道？
其实校车和人不在同一起跑线，小车的世界纬度不同于人的观察纬度，它需要通过大量的试错学习才能发现几个输入元素之间最佳的搭配关系，人是因为处于更高纬度信息更全面，无需大量训练就能辨别几个元素之间理想搭配关系。如果 所接受的输入元素观察纬度一样的时候，人和AI就只能比试学习速度运算速度了。这就像人的生物感官器官局限了对世界的认识，要通过大量试错学习才能找到自身发展和世界的协调规则定理。 是不是有更高阶生物感官 更高纬的智慧在他的世界视角中看着人类觉得很low很可笑。人的生物性决定了世界观的局限，除非创造出比人感官更丰富更高阶的生命，更好的理解宇宙的模型。
人可不是“要通过大量试错学习才能找到自身发展和世界的协调规则定理”。人是有逻辑推演能力的，加上实验-理论-实践的科研能力，不一定要吃过屎才知道屎难吃。目前的AI在这些方面可以说还完全做不到
或许，也可以尝试从一些AI底层逻辑上来科普，比如information bottleneck或者attention机制 都是很有趣也很sharp的理论，可以让普通观众也大致理解training的目的是什么。
趙大神 這個賽車道AI 訓練 是用什麼軟件做的? 請教我 謝謝
好奇
如果連基本的彎道AI都沒辦法學習直到完成完美的外內外，那是AI學習的模糊邏輯程式沒寫好，其實發展AI最關鍵的競爭也就是這塊
正确的
不
没想到此生等到更新了 🤣🤣
漫长时间 “学” 不会过 90° 弯道，说明它根本就没有 “视力”，没有近距离视野，更没有远距离视野，也没有 视力 和 预测 和 思考 和 抉择 的结合！它有的只是对于 到达下一个人为设置的 “路点” 的 “无数” 个穷举出的路径的打分之后的选择而已，人类并不会穷举到达下一个 路点 的无数路径，即便是在划定的黑色道路上，人类也会直接快速地忽略超级大量的无效路径，直接 “精选” 出屈指可数的有限路径，虽然不是最优，但就算一次尝试失败，这也大大降低和简化了学习的过程和耗时，不必疯了似的大量做天量的无用功，这种能力也是来自一个人过去成长岁月的经历经验的积累的集合！这就是 人 和 机器“智能” 的区别！所以，这个 “智能” 的效率实在太低了！要不是多亏有 电脑蛮力疯狂计算穷举，人类要是用这种方式去学习过弯道，人间车祸天文指数级上涨，最终取消汽车交通，学习过程中对自身对社会造成的代价 和 最终正常使用的收益 相比，太离谱！
就是简单的试错法。成本低，一般的应用也可以了。
@@nameany6919 所以，和 智能 完全无关！电脑的优势：蛮力穷举。在黑箱之外看它，貌似表现的似乎有 “智能” 的样子罢了。人的智能，并不等价于穷举。事实上，在漫长成长人生学习总结归纳推导抽像升华之后，所谓的“10000小时练习”之后，有些问题，仅凭借直觉，就可做出判断。人生漫长到青春期，直觉就已经可以处理大量日常无数个细节了
赵老师终于想起来你还有个youtube频道
有没有相关课程推荐大家学习学习？出个或者带货课程也可以盈利吗😉
深受启发：很类似孩子学习语言一上来，就遇到各种语法情况表达错误百出，却已经足够交流很快熟练老道而不是成人强化式外语训练：大量重复单一语法练习十年，都接触不到虚拟式跟条件式
很多遊戲裡的賽車NPC也算AI吧, 每個都不弱啊
要大最完美AI，需要每個物理動作上的經驗公式，比如最大過彎角度VS速度，重心G麗超過多少會產生飄移，飄移量，剎車線性數據公式等等
Training data有增加車輛對抗嗎 現在output只適合排位賽
想問下AGI是如何運作？你覺得AI/AGI最終能有「意識」嗎？
原來是兩年前的影片...
機械之所以無法超越人類，是因為人類是目前最精密複雜的機械精密複雜到連人類本身都還沒有辦法徹底掌握精通全部的功能
AI走的路线并不是很完美，个人觉得能胜过人类是因为与它赛车的是个技术员，不是专业游戏玩家。如果50亿次就是这样，这AI编程应该有很大问题。有多少现实应用可以给AI50亿次机会的?
很多东西可以预先训练好的，比如说小朋友一生下来就有能识别物体移动，识别物体边缘等能力。
11个月后来回这个问题，对于AIGC而言，50亿次其实只是渣渣，连参数都不止50亿个
@@feifeishuishui 您是认真的？50亿的参数？还是你只是想说明别的？
笛卡兒做出結論的機器定義和現今已經不同了只能說他的結論是對傳統機械的一種近似😂
很感兴趣。小车在大量训练中通过提取和优化模型，打造了个性化的神经网络，得以取得很好业绩。这个视频质量很高，但只是个浅显的开始。我的问题是：能否将小车的最终模型再导出来，展现给人类、让人类理解和学习这些模型，使人类因此节省试错时间和代价，更快速提升自己的能力，用自己肉脑也跑出类似业绩？如果做不到，是受限于什么？
因爲人腦無法直接灌輸記憶與知識，如此巨大的試錯量是人類無法承受的。而且機器可以靠影分身和多樣化的初始賽道來解決過擬合問題，人卻只能體驗一種人生……但諷刺地是，人類往往會把自己的過擬合現象稱爲“自尊”、“自信”……所以長江後浪推前浪，前浪必然會死在沙灘上……
@@zilchnov5234 这位台湾同胞，你不明白我所希望的，恰好试图省略试错学习过程，直接学习AI训练后所得的优化模型。比如，阿尔法狗二代的围棋开局走法，突破了人类几千年惯例、取得很好优势，这使得很多人类顶级围棋棋手纷纷效仿。其实，我问的问题，自己也差不多想通了：即使是学习AI的成果优化模型，人类也是难以胜任的。比如AI训练出的模型是一个高阶多元表达式，这对于肉脑算力来说是不具备学习的意义的。因为即使人类赛车手理解了这个模型的数学原理，但是到了赛车场上，肉脑仍然无法快速由此模型计算出最优解。播主的问题还是要归结为--什么是智能？我觉得，如果智能就是从众多现象中抽象出大概率命中模型，那么AI就是有智能的。而如果智能是跨领域（范畴）联想出现象的扭曲（假象）成因，抽象出不被扭曲的更自然的现象规律（比如，在女人都裹小脚的大众默认的环境里，抽象出女人应该不裹小脚），那么AI就不是智能的，充其量就是个加速兑现人类欲望的催化剂。
@@beautydoom8272 看见繁体字就认为是台湾人，这本身就是一种过拟合……另外一点，当年靠人类棋谱进行成长的阿尔法狗虽然依靠算步能力取得了99%的胜率，但是本身并未给围棋界带来多少新步法。你所说的给围棋界带来新走法的是AlphaGoZero（2.0），其本身就是这种影分身小车的围棋应用--编程者不给AlphaGoZero棋谱，而是用神经网络+强化学习的方法让他自己和自己下棋，在3天的数千万局的学习后不仅战胜了柯洁，还以100%的胜率战胜了旧的AlphaGo，那些让人类棋手耳目一新的下法反而是AlphaGoZero突破了现有棋谱“过拟合”的产物……
@@zilchnov5234 显然，什么是“智能”，在人类中也是没达成共识，而且显然不能靠外部灌输或说服来提升智商（不在心理层面印证的理性，当事人无法确认真为）。即使不是为了政商损益的冲突分歧，人们仍然很轻易骂异见者为傻逼。未来AI的发展或许只能由按照对智商认识不同来划分的不同阵营的人群按照自己的思路来发展，然后各大门派再派出各自训练好的AI战将出战对决胜负，以成王败寇来诠释“智能”的内涵。按照我目前的直觉，至少会有两大阵营：1、我执派，非我族类其心必异、亡我之心不死，所以自身演进的目标就是不给对手任何有利机会。这一派会较快获得先期优势。相当于阿尔法狗一代。2、自我批判递归升级派。这一派如果在先期不被对手灭掉，就会将计就计引导对手自愿、凶猛地冲入粪坑。相当于阿尔法狗二代。如果“1”、“2”AI博弈，发生在人类世俗社会中--两大阵营AI各为其主无所不用其极，那么不管哪方AI胜利，人类都是输得最惨的，甚至消亡。由于“1”对一些急功近利既得利益大资本集团太具吸引力，所以这种残酷的AI博弈应该是不可避免地到来。以目前人类的智商，还不足以像禁止滥用cisp基因编辑技术那样，有效禁止AI的不当研发与应用。河南被骗储户被赋红码只是弱智的大数据技术不当应用的微小开始，就已显露出对干系人群的巨大的破坏力了。
播主已经训练好了一个小车。建议在此基础上再加入一个小车代替陨石，让两个小车在现有基础上博弈竞赛，那会有怎样的结果？可能还要增加几条（可能是互斥的）公理场景：双方都可故意肇事（不惜玉石俱焚也不让对方获胜）、只有一方故意肇事、肇事最大目标是把对方逼出跑道、自己不受伤……很可能，几种场景训练出来，结局会出乎意料地预示出未来社会的残酷。
以现在的计算量来说应该还需要很长的时间才能得到一条快速的路线 感觉小车并没用现实生活中的物力运算 有点像下棋一样的试错运算 如果小车可以走赛道线确实证明他很有有能力了
是的，視頻說的很清楚，使用獎勵計算方式，並非駕車避障演算法，如果換成自動駕駛那種演算法，估計也不用訓練到這麼誇張次數。
當印度人以印度路況訓練出自動駕駛ＡＩ魔鬼終結者：咳咳咳！為什麽製造我的工廠有一堆大象臉神像？？？
对人类而言，不会因为只训练过直道，就不知道弯道怎么走。因为人们从两个方面接触信息：一是规则，即顺着赛道走是常识；二是通过驾驶感受车辆控制信息。类似于我们学习一样，我们会先告知明确的、基础性的常识性规则，然后再去常识。这一点，似乎AI还做不到，如果不输入足够多的信息，它们就无法处理足够复杂的情况。是否意味着在某种意义上，当前的AI始终是在用我们已经掌握的内容，通过熟练度的提升，来实现对人类的超越？一些无法用数学语言表达，或者比较难用数学语言表达的常识反而比看似更为高级的形式逻辑更让AI困惑。人和机器的差别，究竟在什么地方呢？
年更节目终于又更了。是不是可以稍微展开点，感觉刚开始就结束了。
等待了很久很久了，终于更新了。
赞一个，可视化水平太高了。。。
好像努力錯方向了.....與其教導AI完成一個地圖，不如教導AI去學習器具的角度與操作完成前項後套用到地圖的參數就能完美通關了
其實現在的AI就是比較聰明的算法模型工具，運用大量測試(窮舉)來獲得比較好的解答，再度做成模型。
如果把训练好的模型，跑个超复杂的地图，全程录像来个展示就完美了。
你想多了 這AI換個地圖就不會跑了
@@George40510 不会的，我做过类似项目。训练目的就是为了适应未知地图。
@@George40510 AI如果換地圖不會跑就是訓練的不好了
现在的训练量级看起来还远远不够，或者他写的算法太烂，连现在这个路都费劲
问：如果对赛道加上限速，瞬时时速超过V自动判负，同时测试时限速Vt 在训练时未知，ai还能处理吗？
這邊有個沒說的地方是獎勵機制的評分權重 只要給不同的速度分配不同權重就可以達到你說的效果影片上來看撞牆的扣分權重很大 車子傾向於安全地開如果高速的權重也增加 車子就會嘗試加速 一旦像你說的超速之後獎勵變扣分 車子就不會再加速了
重點是AI沒有辦法預判薛丁格的老伯從路邊鬼切入彎，自駕終究還有一段很長的路要走
即使是人類駕駛，應該也無法預判有人會突然從旁邊鬼切入彎吧
@@oarveve 有些法官可能不這麼認為
理論上儀器探測的範圍只要夠準確範圍夠大是有辦法克服的，薛丁格老伯與自動駕駛大戰準備上演
@@李明勳-m7e 理论上人脑如果往特异功能方向发展，AI将无法超越，不对，是无法跟上人类
@@jph8041 這..不是理論吧
你这个AI其实还是需要人监督的，你给出的150种情况，其实就是靠人工标注，把会碰到的情况靠人脑尽量考虑到。
我觉得不算人工监督，150种情况应该算作150个环境模型
@@qaqpiano1298 有区别吗，为什么不是10种或者1000种工作环境？
請問一下開頭背景是綠幕弄得嗎?
博主的知识面好宽呀，更难得的是实践能力也是这样强
大大終於更新了！等得好無聊啊！
賽車的Ai絕對沒有這麼簡單這個模型看起來只能無傷通過而已假設最終目的是最快速通過終點那麼必須在每個點都保持理論上的最高速度如何抓到不過慢又不影響彎心和出彎的煞車點彎心怎麼踩帶多少速度出彎開油時機等等更別說需要考量的還有油量胎耗胎溫實時抓地力變化等 假如是F1甚至還有如何分配ERS的電力 分配充電整場比賽的動熱能回收 煞車平衡引擎模式等等等等 更何況還有進攻防守的部分有可能總有一天能寫出萬能的Ai但是應該還是不太容易吧
如果是速度的話 那得分機制裡面加上速度的評分之後神經網路也會學習到怎樣能開的更快目前這種通常都是只用模擬的方式跑啦 所以不像你說的有像真實世界一樣那麼複雜（現在做不出來也是個事實
這台車是不是麥拉倫的senna? 感覺車燈有點像
感觉你们频道的可视化真的很牛，有时间可以聊一下么？
人可不是這樣想。所以AI別想贏拓海。人是會玩命。AI會學會捨身成仁才能超越人
沒有評分系統AI就沒辦法開車，分數就是他們知識的依據他們目前沒辦法設定目標
一贯高质量，期待！我以为都不出期更新了🥹支持支持！
这种视频如果个人制作工作量确实大，不大能够高频更新。
大数据就是一种，互联网时代人们早已没有隐私。信息都是公开的，通过收集这些数据并进行系统化的分析优化，以后的预测会越来越准确。不久的将来，广告都能预知你即将生什么病。
高水平，高制作！订阅数应该过千万！！！
谢谢! 希望看个全程跑的视频.
那個大師兄真的會開車嗎？😂人造的節目中那有AI什麼的，DOS也早有這類指令
還沒看夠就結束啦，優質內容!不過這上片時間很特別
人工智能 可以做到专攻一件事 但是永远都做不到像人类一样的思考能力 因为人类的思考是一种生物性的特征 即使是未来的强人工智能
什么叫做“人类一样的思考能力”，又怎么说一种生物性的特征，生物和机器的本质区别到底在哪？
我最喜欢的科普频道，没有之一
如果再加入單圈秒數評分，獲得秒數約少則獲得越高分數的話會怎樣呢～
他写的这个AI，开50亿次的话完成一圈都做不到，不要说用很多次单圈评分了，可能算几年也还是慢腾腾的
终于更了
這等候更新的時間… 這知識含量…簡而言之就是…百日難一見，一見抵萬金…訪孔明的難度方顯劉備的誠意，而這一切在臥龍給的回報之前，卻又顯得微不足道…
人類與AI都有相同感測器輸入參數的狀況, 人類只有100年使用壽命來訓練, AI不拔插頭或是來個中途存檔可以無限時間累積經驗, 再過30年, AI終將超越人類........... ❓
假如把全世界所有“AI”训练数据都综合起来一直累积，"AI"终将成为AI。
AI學習次數與時間靠的是運算能力，這是人類固定1天只有24小時永遠追不上的目標呀....
这个RUclipsr终于想起自己的账号密码了
看似有了重大突破，但如今的AI依然需要海量的練習才能勝任有限的工作，遠超人類所需練習次數。所以，這並不應該稱為智能，只是通過海量的失敗案例積累下排除了幾乎所有的錯誤選項所得到的結果。相比人腦具有創造性的總結歸納，機器還是明顯笨了很多。
嗯，但是勤能补拙。
但機器的優勢不就是24小時甚至根據科技的進步能提高算力嗎~
你想多了你沒有創造力就跟電腦AI一樣你能創造什麼??還是想說別人能創造什麼??其實全球60億人不就跟AI一樣嗎一直重複練習一直重複練習別把別人的事蹟套在自己身上就好像50億次練習，把其中一次套用在【AI真的有邏輯性】在時間面前你說的話特別好笑
人類也是花了幾萬年的練習才已知用火在時間面前，人的壽命有限，每次出生還得經歷知識傳承期（上學），而那些ai 呢？不需要。現在已經有ai 創造ai 的實例了！人類的創造力也只不過是知識傳承的總結再利用罷了！一個沒經過知識傳承的人類，他會有什麼創造力？在時間面前你的話語特別無力
@@funchange 有知识的传承就有创造力吗？那么现在的ai已经能利用全世界所有的语言，图书，还有互联网所有的知识，这个ai能不能不在人类的指导下创造新的科技产品？这个ai是否能够知道自己要如何发展？你说人类的生命有限，这个是对的，但是后面的结论是错误的，正因为人类生命有限，所以才会不停的发展和创造，一个生命无限的人类，你觉得你还需要发展和创造什么？你觉得你会去发展太空探索，了解宇宙对吗？错了，这只是基于你是一个短命鬼的角度你才会这样想，如果你真的寿命无限延长，你根本就发展不出智能，根本发展不出思想，根本就不会去想未来如何过的更好。机器的根本问题就在于，它所有的一切知识和能力，都来源于人类，是人类让他这样去思考和做事的，如果没有人类就没有机器，这跟人类的生存发展是完全不同的。一个被人类制造出来的工具，就算它看起来再聪明，他都不会超越人类，因为它被造出来就是弥补人类自身的一些缺点，它出现的根本目的就不是一个动态的生态系统，他从基础上的逻辑就不是建立在发展和进化的。你觉得机器很聪明，那是因为人类把所有的知识都给了他，而且是人类给它建立了逻辑系统，就算它自己能修补逻辑错误甚至是开发逻辑思路，那也是人类赋予它的功能，它的根本发展就是建立在人类发展基础上的，所以它只能在部分角度看似超越人类，没错，只是看似，因为人类大脑只开发了百分之1而已。另外，你想过人类为什么要开发ai吗？难道是为了躺着吃饭舒服？当然不是啦，以为科学家都是每天幻想机器美女陪自己玩吗？当然更不是！ai的开发本来就是对人类大脑能力的研究和探索。人类未来的医学和教育甚至是基因的改造进化都会基于对自身智慧的研究基础之上。所以ai只是工具，在它不断学习的过程中，人类也早就学习和进化了，人类通过对自身智慧的模仿，会探索更深入的脑科学，社会学，伦理学，甚至是种族进化改造科学。ai永远只能是工具，因为ai没有目标，你以为它有目标，那是因为人类赋予它的目标，并不是它真的自我觉醒了。只有人类能成为造物主，才有可能真的创造一种自我觉醒的生命！
做得好，这么好的视频内容，为何没人顶？
一个人爱过了，就结束了；说一句话，说过了，就后悔了；心中有一道伤痕，痛过了，就麻木了。有一颗破碎的心，在心中不断地刺伤着自己。我们学佛人要想通，因为我们在意的是未来，我们不能造新业，好好地去学佛，我们忘记过去，好好地把握现在，这就是佛法界经常讲的要活在当下。--仅分享善言，不针对任何人和事，感恩宽容！
没有一个人类会需要练上200万圈才能开车。能不能科普一下这区别来自于哪？
因为人类会泛化处理，但是机器不会。
真是高质量的视频！
这样的人工智能只是一个在拥有无限资源的情况下，无限预测的过程。
我去这游戏界面也是blender？？？可视化做得太好了…
请问这是怎么游戏
只有可能性，而非自主改變性的AI50億次重複學習也還不及我們在母胎裡的10個月分之一的學習力
卧槽，总算等到更新了👍
高质量视频。终于等到你更新了。
AI看不见前面远的地方，当然会撞陨石。如果结合图像识别就没有这个问题了。
不错。一如既往的硬核
乾！沒有視覺只有時速跟方向在定位根本就像矇眼開車一樣了啊！！ 這難怪要訓練那麼多次才會正常開車，正常人也會開不好好嗎？😂
有雷达判断障碍物距离和方位
很有意思的视频。
不曉得能不能拿這個ai 去玩一玩主流的賽車遊戲 做一些實戰視頻 之前有個槍戰用圖像學習ai 就讓我印象特別深刻 他可以學習觀察人形物體 然後把準星移到目標頭上
ruclips.net/video/1gZ-KaWjhGY/видео.html
@日新陳 ruclips.net/video/1gZ-KaWjhGY/видео.html這個有
只要是游戏reward不要太sparse基本都没有问题，但是如果要和人对抗需要很多训练素材这个我没特意试过不过国内大厂做的挺多的。曾经偶然有因为厂商不讲信用把60级满级改成3600级赌气用这个肝过一个网游，还在挂机时无意间杀死过偷袭的玩家😂
想了解学习过程
這是其中一種AI:bottom-top,google想要的是會”思考”的
过拟合：把单一的方式重复好多次
很好的頻道欸 但是為什麼那麼少人看
节目太棒了👏
终于回来了
老哥，记得上次看你的视频我还年轻……
严格来说这个不算AI 只是用了所谓神经网络的方法去求解而已 所谓的AI的训练不是这种用乱数尝试的 而且AI最根本的目的是得出结论后 那个结论同样适用于其他车辆和赛道 而这里的这个算法每换一个赛道就要重新来一次
目前的ai基础就是不断的尝试，获取尽可能多的数据，最终完成目标。无论逻辑结构如何设定，基本的原理是一样的。都需要海量的数据和知识来支撑。ai和人类最的区别就是直觉。人类很多事情即便没有经历过，只需要听说，甚至不需要听说，只要看到某个东西就会产生必要的联想。但是目前的机器不会。现在最好的人工智能在所有数据完全为空的情况下，它不能对外界任何情况做出必要的反应，但是人类只要从睁开眼的那一刻，甚至没有睁开眼的时候，就已经能对周围动态产生必要的反应和联想了。人类大脑在一片空白的情况下就可以自动产生智慧，而机器不行。至少是现在的机器不行。
確實 這個換個賽道 基本上就廢了
终于等到你
終於等到更新了
别说我较真啊，真实赛车有手刹。这个步骤加进去，简直不敢想象😊
5:27试错，现实生活也一样8:54如果设计几台ai在比赛，谁先到达终点谁赢，会不会不需要那么多次试错你还没说人工陨石，谁赢？
看起來現階段的AI只能安全駕駛跟追求速度的賽車還是差了一截AI如何學習甩尾等人類技巧？-阿斯拉能橫空出世嗎？-
我覺得應該可以，如果數據給他夠的話，再加上時間反覆的練習，我覺得他會的，只要反覆重複的動作他應該會做的比人類好，只是問題來了只要他從來沒遇過的問題，他就會重複、甚至卡到很久，如果有些東西是人類沒有遇過的問題，怎麼給你數據，我的問題還是一樣,“創新，”如果能做到這一點人類是不是該要防著他呢？
和一个人的社会化过程一样.社会化程度越深,准确性越高.
第一个问题，什么是知识
这和给猴子足够长的时间，它随便乱敲打字机都能敲出一部《莎士比亚》有什么区别？现实世界中有那么多海量的算力可供你模拟每一种情况么
人工点赞，AI学着点🤣
想問問主播是用那些程式書寫跟學習AI的？
卡
什么游戏？
健康最重要，貴精不貴多。
看完趙大神這一期影片 感覺AI還有很長的路要走 模型隱藏層的權比是來自訓練 但真的還是固定的方面
但總感覺強AI技術在真正出現之前還是有很多潛在議題 倫理 權利與義務 對人潛在攻擊性之限制
人工智能真是很大的題目呀😱
NONO 這個視頻只是演示一種AI最入門算法，如果換成別的算法還有增加更多的運算單元，這個訓練可以更快。
那你应该去了解下laMDA这个AI 你就不这么说了
目前AI走的路是錯誤的..............我只能這樣跟你說,因為看似模擬人腦的神經網路,實際跟人腦運作不同............人類不是經由這種沒有邏輯的運算達到自己的目的,現在AI還太初淺了.....人類是經由創造來實現目的,而AI是經由試錯來達到目的,某種程度來看AI好像不太能夠預測未來,因為你給他的數據永遠無法跟人類所接收到的世界一模一樣.
網路上一堆影片生成,大家就認為好厲害~~但他們從沒想過,這些影片生成背後的資料庫哪裡來的~~~全都是網路上盜取來的,沒有經過授權就被盜取去當成孵化池,其實這也是AI未來面臨的問題,一堆AI公司為了撈錢~~都是不擇手段,未經同意就直接將他人創作拷貝到自己的孵化池裏面去運算,其實這已經侵犯智慧財產權了......
@@黃金樹-r5d 為何錯誤?在一堆領域上ai早已吊打人類了
视频质量太高了，但也干不过油管Al，这样的频道应该有千万订阅，每期过亿播放
类似3blue1brown专业视频，也看时间机遇和长期积累
YT宗旨，中文加高科技，这必须要打压。难不成还让世界都看到中国走在美国前面或者和美国一样先进了？
视频很好，但是每期过亿连波士顿动力这种都达不到，别说科普视频了。
@@一片祥和台上台下 这个是科普节目，虽然博主知识渊博同时非常懂得可视化（可视化难度系数比单纯RL+Neural network要复杂的多）， 但就基本的神经网络+Reinforce learning技术本身并非高科技，也没啥好打压的，没必要话里带刺。
@@realdah 虽然也有外国博主做过类似的，现在国内博主做这个也不算很新但就播放量看差太远了，打压是西方正常操作，反正没证据，就说说罢了。西方可是掌握媒体话语权的，连总统都可以封杀
F-16戰機在三維空間都能控制並且打贏頂尖飛行員了，賽車肯定也行。
重點是你要將現實世界的物理參數透過實際賽車上安裝sensor做監測與量化才能將此AI實裝上車，這部分可能要去找仿真賽車開發商買數據了。
说不定三维空间反而因为限制少，让AI训练变得比在地上训练更简单。你看特斯拉在路上的训练小时和AI工程师水平应该高出F16 的AI几个数量级吧，但是特斯拉的自动驾驶水平还是比不上普通司机
这是Deep Mind还是小公司时候搞的初代Q-Learning啊。好怀念。
很喜歡AI類型的題材 !
期望看到更多 支持!!
人类和其它生物或人工智能的本质上的区别我觉得就是人的思维具有随机性，比如你正在吃饭你可以突然想到明天要去哪里玩，看一下后天有没有空去看望哪个朋友等等，而这种天马行空突如其来的思维模式正是激发人的创造力和创新能力的根源。甚至可以说区别于其它动物并不是因为人会制作和使用工具，而正是因为人思维的随机性才有了创造和使用功能的能力。而其它生物基本上是事件驱动型思维模式，比如狮子老虎饿了就要想吃，想吃就得去抓别的动物，当有猛兽来抓你你就得跑等等，都是在事件的驱动下发生的，甚至有些动物也会作用工具，他们因为它们的思维模式限制了他们的创新。而与在的人工智能，工作模式其实还是在于事件驱动，所以人工智能的开发禁区可能已经赋于人工智能思维的随机性，，而以人工智能的迭代速度，这将导致人工智能的不可控性和超越人类。
其實看完了產生了一個感覺--人類自身的學習過程也不外如此，很多時候抽離對於自身的認同感，反而能更加完整地認知自己……
其實抛開那些“宇宙中心”的個人視點，這個世界就是個巨大的神經網絡，“國家”“民族”“性別”“職業”無非就是各種不同種類的賽道，而你我則是無數個影分身小車中的一個而已……
所以抛開那些自信、焦慮、患得患失，在快樂的指引下奔跑吧，我們的人生本來就是這樣的東西--存在主義者悲觀地發現，我們的人生對於我們自己毫無意義，所以只好宣稱“存在先於意義”--然而從更巨大的結構看來，我們的人生無論成功或者失敗，都有著為這個巨大系統提供經驗的意義……
人类最强的地方是，只需要少量样本就能想象出无限可能的抽象能力。
人是有逻辑推演能力的，加上实验-理论-实践的科研能力，不一定要吃过屎才知道屎难吃。目前的AI在这些方面可以说还完全做不到
@@feifeishuishui 那是因為現在2023年了， 也就好比第50億次出發的車子，因為前（車）人的知識 所以我們現在就很輕易的學會怎麼開車了。
@@100cp_twthey fail we learn
其實大家都給他的學名誤導了，他不是思想判斷，而是pattern matching的方法，而現在是用神經網絡的方式，令AI芯片有自我尋找最適合的pattern 的法。
當時代沒有電腦等積體電路設計，機械結構指的是齒輪這種精密機器，所以我覺得他說得沒錯，機器只能模仿和趨近人類而已。
只能說他當時話說的太滿了沒有考慮未知事物。就跟原始人以為地球是平的一樣只相信當下看到的
@@2kyle352 現代人的科技水平放眼人類歷史乃至於所有地球生物其實才是極端異常稀有的狀況，他當時會這樣說並不奇怪。
你好, 你是用什么仿真软件模拟的汽车赛道？
其实校车和人不在同一起跑线，小车的世界纬度不同于人的观察纬度，它需要通过大量的试错学习才能发现几个输入元素之间最佳的搭配关系，人是因为处于更高纬度信息更全面，无需大量训练就能辨别几个元素之间理想搭配关系。如果 所接受的输入元素观察纬度一样的时候，人和AI就只能比试学习速度运算速度了。这就像人的生物感官器官局限了对世界的认识，要通过大量试错学习才能找到自身发展和世界的协调规则定理。 是不是有更高阶生物感官 更高纬的智慧在他的世界视角中看着人类觉得很low很可笑。人的生物性决定了世界观的局限，除非创造出比人感官更丰富更高阶的生命，更好的理解宇宙的模型。
人可不是“要通过大量试错学习才能找到自身发展和世界的协调规则定理”。人是有逻辑推演能力的，加上实验-理论-实践的科研能力，不一定要吃过屎才知道屎难吃。目前的AI在这些方面可以说还完全做不到
或许，也可以尝试从一些AI底层逻辑上来科普，比如information bottleneck或者attention机制 都是很有趣也很sharp的理论，可以让普通观众也大致理解training的目的是什么。
趙大神 這個賽車道AI 訓練 是用什麼軟件做的? 請教我 謝謝
好奇
如果連基本的彎道AI都沒辦法學習直到完成完美的外內外，那是AI學習的模糊邏輯程式沒寫好，其實發展AI最關鍵的競爭也就是這塊
正确的
不
没想到此生等到更新了 🤣🤣
漫长时间 “学” 不会过 90° 弯道，
说明它根本就没有 “视力”，没有近距离视野，更没有远距离视野，
也没有 视力 和 预测 和 思考 和 抉择 的结合！
它有的只是对于 到达下一个人为设置的 “路点” 的 “无数” 个穷举出的路径的打分之后的选择而已，
人类并不会穷举到达下一个 路点 的无数路径，即便是在划定的黑色道路上，人类也会直接快速地忽略超级大量的无效路径，直接 “精选” 出屈指可数的有限路径，虽然不是最优，但就算一次尝试失败，这也大大降低和简化了学习的过程和耗时，不必疯了似的大量做天量的无用功，这种能力也是来自一个人过去成长岁月的经历经验的积累的集合！这就是 人 和 机器“智能” 的区别！
所以，这个 “智能” 的效率实在太低了！
要不是多亏有 电脑蛮力疯狂计算穷举，
人类要是用这种方式去学习过弯道，人间车祸天文指数级上涨，最终取消汽车交通，
学习过程中对自身对社会造成的代价 和 最终正常使用的收益 相比，太离谱！
就是简单的试错法。成本低，一般的应用也可以了。
@@nameany6919 所以，和 智能 完全无关！
电脑的优势：蛮力穷举。
在黑箱之外看它，貌似表现的似乎有 “智能” 的样子罢了。
人的智能，并不等价于穷举。事实上，在漫长成长人生学习总结归纳推导抽像升华之后，所谓的“10000小时练习”之后，有些问题，仅凭借直觉，就可做出判断。
人生漫长到青春期，直觉就已经可以处理大量日常无数个细节了
赵老师终于想起来你还有个youtube频道
有没有相关课程推荐大家学习学习？出个或者带货课程也可以盈利吗😉
深受启发：
很类似孩子学习语言
一上来，就遇到各种语法情况
表达错误百出，却已经足够交流
很快熟练老道
而不是成人强化式外语训练：
大量重复单一语法练习
十年，都接触不到虚拟式跟条件式
很多遊戲裡的賽車NPC也算AI吧, 每個都不弱啊
要大最完美AI，需要每個物理動作上的經驗公式，
比如最大過彎角度VS速度，重心G麗超過多少會產生飄移，飄移量，剎車線性數據公式等等
Training data有增加車輛對抗嗎 現在output只適合排位賽
想問下AGI是如何運作？你覺得AI/AGI最終能有「意識」嗎？
原來是兩年前的影片...
機械之所以無法超越人類，是因為人類是目前最精密複雜的機械
精密複雜到連人類本身都還沒有辦法徹底掌握精通全部的功能
AI走的路线并不是很完美，个人觉得能胜过人类是因为与它赛车的是个技术员，不是专业游戏玩家。如果50亿次就是这样，这AI编程应该有很大问题。有多少现实应用可以给AI50亿次机会的?
很多东西可以预先训练好的，比如说小朋友一生下来就有能识别物体移动，识别物体边缘等能力。
11个月后来回这个问题，对于AIGC而言，50亿次其实只是渣渣，连参数都不止50亿个
@@feifeishuishui 您是认真的？50亿的参数？还是你只是想说明别的？
笛卡兒做出結論的機器定義和現今已經不同了
只能說他的結論是對傳統機械的一種近似😂
很感兴趣。小车在大量训练中通过提取和优化模型，打造了个性化的神经网络，得以取得很好业绩。这个视频质量很高，但只是个浅显的开始。
我的问题是：能否将小车的最终模型再导出来，展现给人类、让人类理解和学习这些模型，使人类因此节省试错时间和代价，更快速提升自己的能力，用自己肉脑也跑出类似业绩？如果做不到，是受限于什么？
因爲人腦無法直接灌輸記憶與知識，如此巨大的試錯量是人類無法承受的。而且機器可以靠影分身和多樣化的初始賽道來解決過擬合問題，人卻只能體驗一種人生……
但諷刺地是，人類往往會把自己的過擬合現象稱爲“自尊”、“自信”……
所以長江後浪推前浪，前浪必然會死在沙灘上……
@@zilchnov5234 这位台湾同胞，你不明白我所希望的，恰好试图省略试错学习过程，直接学习AI训练后所得的优化模型。比如，阿尔法狗二代的围棋开局走法，突破了人类几千年惯例、取得很好优势，这使得很多人类顶级围棋棋手纷纷效仿。
其实，我问的问题，自己也差不多想通了：即使是学习AI的成果优化模型，人类也是难以胜任的。比如AI训练出的模型是一个高阶多元表达式，这对于肉脑算力来说是不具备学习的意义的。因为即使人类赛车手理解了这个模型的数学原理，但是到了赛车场上，肉脑仍然无法快速由此模型计算出最优解。
播主的问题还是要归结为--什么是智能？
我觉得，如果智能就是从众多现象中抽象出大概率命中模型，那么AI就是有智能的。
而如果智能是跨领域（范畴）联想出现象的扭曲（假象）成因，抽象出不被扭曲的更自然的现象规律（比如，在女人都裹小脚的大众默认的环境里，抽象出女人应该不裹小脚），那么AI就不是智能的，充其量就是个加速兑现人类欲望的催化剂。
@@beautydoom8272 看见繁体字就认为是台湾人，这本身就是一种过拟合……
另外一点，当年靠人类棋谱进行成长的阿尔法狗虽然依靠算步能力取得了99%的胜率，但是本身并未给围棋界带来多少新步法。你所说的给围棋界带来新走法的是AlphaGoZero（2.0），其本身就是这种影分身小车的围棋应用--编程者不给AlphaGoZero棋谱，而是用神经网络+强化学习的方法让他自己和自己下棋，在3天的数千万局的学习后不仅战胜了柯洁，还以100%的胜率战胜了旧的AlphaGo，那些让人类棋手耳目一新的下法反而是AlphaGoZero突破了现有棋谱“过拟合”的产物……
@@zilchnov5234 显然，什么是“智能”，在人类中也是没达成共识，而且显然不能靠外部灌输或说服来提升智商（不在心理层面印证的理性，当事人无法确认真为）。即使不是为了政商损益的冲突分歧，人们仍然很轻易骂异见者为傻逼。未来AI的发展或许只能由按照对智商认识不同来划分的不同阵营的人群按照自己的思路来发展，然后各大门派再派出各自训练好的AI战将出战对决胜负，以成王败寇来诠释“智能”的内涵。
按照我目前的直觉，至少会有两大阵营：
1、我执派，非我族类其心必异、亡我之心不死，所以自身演进的目标就是不给对手任何有利机会。这一派会较快获得先期优势。相当于阿尔法狗一代。
2、自我批判递归升级派。这一派如果在先期不被对手灭掉，就会将计就计引导对手自愿、凶猛地冲入粪坑。相当于阿尔法狗二代。
如果“1”、“2”AI博弈，发生在人类世俗社会中--两大阵营AI各为其主无所不用其极，那么不管哪方AI胜利，人类都是输得最惨的，甚至消亡。由于“1”对一些急功近利既得利益大资本集团太具吸引力，所以这种残酷的AI博弈应该是不可避免地到来。
以目前人类的智商，还不足以像禁止滥用cisp基因编辑技术那样，有效禁止AI的不当研发与应用。河南被骗储户被赋红码只是弱智的大数据技术不当应用的微小开始，就已显露出对干系人群的巨大的破坏力了。
播主已经训练好了一个小车。建议在此基础上再加入一个小车代替陨石，让两个小车在现有基础上博弈竞赛，那会有怎样的结果？可能还要增加几条（可能是互斥的）公理场景：双方都可故意肇事（不惜玉石俱焚也不让对方获胜）、只有一方故意肇事、肇事最大目标是把对方逼出跑道、自己不受伤……
很可能，几种场景训练出来，结局会出乎意料地预示出未来社会的残酷。
以现在的计算量来说应该还需要很长的时间才能得到一条快速的路线 感觉小车并没用现实生活中的物力运算 有点像下棋一样的试错运算 如果小车可以走赛道线确实证明他很有有能力了
是的，視頻說的很清楚，使用獎勵計算方式，並非駕車避障演算法，如果換成自動駕駛那種演算法，估計也不用訓練到這麼誇張次數。
當印度人以印度路況訓練出自動駕駛ＡＩ
魔鬼終結者：咳咳咳！為什麽製造我的工廠有一堆大象臉神像？？？
对人类而言，不会因为只训练过直道，就不知道弯道怎么走。因为人们从两个方面接触信息：一是规则，即顺着赛道走是常识；二是通过驾驶感受车辆控制信息。类似于我们学习一样，我们会先告知明确的、基础性的常识性规则，然后再去常识。这一点，似乎AI还做不到，如果不输入足够多的信息，它们就无法处理足够复杂的情况。是否意味着在某种意义上，当前的AI始终是在用我们已经掌握的内容，通过熟练度的提升，来实现对人类的超越？一些无法用数学语言表达，或者比较难用数学语言表达的常识反而比看似更为高级的形式逻辑更让AI困惑。人和机器的差别，究竟在什么地方呢？
年更节目终于又更了。是不是可以稍微展开点，感觉刚开始就结束了。
等待了很久很久了，终于更新了。
赞一个，可视化水平太高了。。。
好像努力錯方向了.....
與其教導AI完成一個地圖，不如教導AI去學習器具的角度與操作
完成前項後套用到地圖的參數就能完美通關了
其實現在的AI就是比較聰明的算法模型工具，運用大量測試(窮舉)來獲得比較好的解答，再度做成模型。
如果把训练好的模型，跑个超复杂的地图，全程录像来个展示就完美了。
你想多了 這AI換個地圖就不會跑了
@@George40510 不会的，我做过类似项目。训练目的就是为了适应未知地图。
@@George40510 AI如果換地圖不會跑就是訓練的不好了
现在的训练量级看起来还远远不够，或者他写的算法太烂，连现在这个路都费劲
问：如果对赛道加上限速，瞬时时速超过V自动判负，同时测试时限速Vt 在训练时未知，ai还能处理吗？
這邊有個沒說的地方是獎勵機制的評分權重 只要給不同的速度分配不同權重就可以達到你說的效果
影片上來看撞牆的扣分權重很大 車子傾向於安全地開
如果高速的權重也增加 車子就會嘗試加速 一旦像你說的超速之後獎勵變扣分 車子就不會再加速了
重點是AI沒有辦法預判薛丁格的老伯從路邊鬼切入彎，自駕終究還有一段很長的路要走
即使是人類駕駛，應該也無法預判有人會突然從旁邊鬼切入彎吧
@@oarveve 有些法官可能不這麼認為
理論上儀器探測的範圍只要夠準確範圍夠大是有辦法克服的，薛丁格老伯與自動駕駛大戰準備上演
@@李明勳-m7e 理论上人脑如果往特异功能方向发展，AI将无法超越，不对，是无法跟上人类
@@jph8041 這..不是理論吧
你这个AI其实还是需要人监督的，你给出的150种情况，其实就是靠人工标注，把会碰到的情况靠人脑尽量考虑到。
我觉得不算人工监督，150种情况应该算作150个环境模型
@@qaqpiano1298 有区别吗，为什么不是10种或者1000种工作环境？
請問一下開頭背景是綠幕弄得嗎?
博主的知识面好宽呀，更难得的是实践能力也是这样强
大大終於更新了！等得好無聊啊！
賽車的Ai絕對沒有這麼簡單
這個模型看起來只能無傷通過而已
假設最終目的是最快速通過終點
那麼必須在每個點都保持理論上的最高速度
如何抓到不過慢又不影響彎心和出彎的煞車點
彎心怎麼踩帶多少速度
出彎開油時機等等
更別說需要考量的還有油量胎耗胎溫實時抓地力變化等 假如是F1甚至還有如何分配ERS的電力 分配充電整場比賽的動熱能回收 煞車平衡引擎模式等等等等 更何況還有進攻防守的部分
有可能總有一天能寫出萬能的Ai但是應該還是不太容易吧
如果是速度的話 那得分機制裡面加上速度的評分之後神經網路也會學習到怎樣能開的更快
目前這種通常都是只用模擬的方式跑啦 所以不像你說的有像真實世界一樣那麼複雜（現在做不出來也是個事實
這台車是不是麥拉倫的senna? 感覺車燈有點像
感觉你们频道的可视化真的很牛，有时间可以聊一下么？
人可不是這樣想。所以AI別想贏拓海。人是會玩命。AI會學會捨身成仁才能超越人
沒有評分系統AI就沒辦法開車，分數就是他們知識的依據
他們目前沒辦法設定目標
一贯高质量，期待！我以为都不出期更新了🥹
支持支持！
这种视频如果个人制作工作量确实大，不大能够高频更新。
大数据就是一种，互联网时代人们早已没有隐私。信息都是公开的，通过收集这些数据并进行系统化的分析优化，以后的预测会越来越准确。
不久的将来，广告都能预知你即将生什么病。
高水平，高制作！订阅数应该过千万！！！
谢谢! 希望看个全程跑的视频.
那個大師兄真的會開車嗎？😂人造的節目中那有AI什麼的，DOS也早有這類指令
還沒看夠就結束啦，優質內容!
不過這上片時間很特別
人工智能 可以做到专攻一件事 但是永远都做不到像人类一样的思考能力 因为人类的思考是一种生物性的特征 即使是未来的强人工智能
什么叫做“人类一样的思考能力”，又怎么说一种生物性的特征，生物和机器的本质区别到底在哪？
我最喜欢的科普频道，没有之一
如果再加入單圈秒數評分，獲得秒數約少則獲得越高分數的話會怎樣呢～
他写的这个AI，开50亿次的话完成一圈都做不到，不要说用很多次单圈评分了，可能算几年也还是慢腾腾的
终于更了
這等候更新的時間… 這知識含量…
簡而言之就是…
百日難一見，一見抵萬金…
訪孔明的難度方顯劉備的誠意，而這一切在臥龍給的回報之前，卻又顯得微不足道…
人類與AI都有相同感測器輸入參數的狀況, 人類只有100年使用壽命來訓練, AI不拔插頭或是來個中途存檔可以無限時間累積經驗, 再過30年, AI終將超越人類........... ❓
假如把全世界所有“AI”训练数据都综合起来一直累积，"AI"终将成为AI。
AI學習次數與時間靠的是運算能力，這是人類固定1天只有24小時永遠追不上的目標呀....
这个RUclipsr终于想起自己的账号密码了
看似有了重大突破，但如今的AI依然需要海量的練習才能勝任有限的工作，遠超人類所需練習次數。所以，這並不應該稱為智能，只是通過海量的失敗案例積累下排除了幾乎所有的錯誤選項所得到的結果。相比人腦具有創造性的總結歸納，機器還是明顯笨了很多。
嗯，但是勤能补拙。
但機器的優勢不就是24小時甚至根據科技的進步能提高算力嗎~
你想多了
你沒有創造力
就跟電腦AI一樣
你能創造什麼??還是想說別人能創造什麼??
其實
全球60億人不就跟AI一樣嗎
一直重複練習一直重複練習
別把別人的事蹟套在自己身上
就好像50億次練習，把其中一次套用在【AI真的有邏輯性】
在時間面前
你說的話特別好笑
人類也是花了幾萬年的練習才已知用火
在時間面前，人的壽命有限，每次出生還得經歷知識傳承期（上學），而那些ai 呢？不需要。
現在已經有ai 創造ai 的實例了！
人類的創造力也只不過是知識傳承的總結再利用罷了！
一個沒經過知識傳承的人類，他會有什麼創造力？
在時間面前
你的話語特別無力
@@funchange 有知识的传承就有创造力吗？那么现在的ai已经能利用全世界所有的语言，图书，还有互联网所有的知识，这个ai能不能不在人类的指导下创造新的科技产品？这个ai是否能够知道自己要如何发展？你说人类的生命有限，这个是对的，但是后面的结论是错误的，正因为人类生命有限，所以才会不停的发展和创造，一个生命无限的人类，你觉得你还需要发展和创造什么？你觉得你会去发展太空探索，了解宇宙对吗？错了，这只是基于你是一个短命鬼的角度你才会这样想，如果你真的寿命无限延长，你根本就发展不出智能，根本发展不出思想，根本就不会去想未来如何过的更好。机器的根本问题就在于，它所有的一切知识和能力，都来源于人类，是人类让他这样去思考和做事的，如果没有人类就没有机器，这跟人类的生存发展是完全不同的。一个被人类制造出来的工具，就算它看起来再聪明，他都不会超越人类，因为它被造出来就是弥补人类自身的一些缺点，它出现的根本目的就不是一个动态的生态系统，他从基础上的逻辑就不是建立在发展和进化的。你觉得机器很聪明，那是因为人类把所有的知识都给了他，而且是人类给它建立了逻辑系统，就算它自己能修补逻辑错误甚至是开发逻辑思路，那也是人类赋予它的功能，它的根本发展就是建立在人类发展基础上的，所以它只能在部分角度看似超越人类，没错，只是看似，因为人类大脑只开发了百分之1而已。
另外，你想过人类为什么要开发ai吗？难道是为了躺着吃饭舒服？当然不是啦，以为科学家都是每天幻想机器美女陪自己玩吗？当然更不是！ai的开发本来就是对人类大脑能力的研究和探索。人类未来的医学和教育甚至是基因的改造进化都会基于对自身智慧的研究基础之上。所以ai只是工具，在它不断学习的过程中，人类也早就学习和进化了，人类通过对自身智慧的模仿，会探索更深入的脑科学，社会学，伦理学，甚至是种族进化改造科学。ai永远只能是工具，因为ai没有目标，你以为它有目标，那是因为人类赋予它的目标，并不是它真的自我觉醒了。只有人类能成为造物主，才有可能真的创造一种自我觉醒的生命！
做得好，这么好的视频内容，为何没人顶？
一个人爱过了，就结束了；说一句话，说过了，就后悔了；心中有一道伤痕，痛过了，就麻木了。有一颗破碎的心，在心中不断地刺伤着自己。我们学佛人要想通，因为我们在意的是未来，我们不能造新业，好好地去学佛，我们忘记过去，好好地把握现在，这就是佛法界经常讲的要活在当下。
--仅分享善言，不针对任何人和事，感恩宽容！
没有一个人类会需要练上200万圈才能开车。能不能科普一下这区别来自于哪？
因为人类会泛化处理，但是机器不会。
真是高质量的视频！
这样的人工智能只是一个在拥有无限资源的情况下，无限预测的过程。
我去这游戏界面也是blender？？？可视化做得太好了…
请问这是怎么游戏
只有可能性，而非自主改變性的AI50億次重複學習也還不及我們在母胎裡的10個月分之一的學習力
卧槽，总算等到更新了👍
高质量视频。终于等到你更新了。
AI看不见前面远的地方，当然会撞陨石。如果结合图像识别就没有这个问题了。
不错。一如既往的硬核
乾！沒有視覺只有時速跟方向在定位根本就像矇眼開車一樣了啊！！
這難怪要訓練那麼多次才會正常開車，正常人也會開不好好嗎？😂
有雷达判断障碍物距离和方位
很有意思的视频。
不曉得能不能拿這個ai 去玩一玩主流的賽車遊戲 做一些實戰視頻 之前有個槍戰用圖像學習ai 就讓我印象特別深刻 他可以學習觀察人形物體 然後把準星移到目標頭上
ruclips.net/video/1gZ-KaWjhGY/видео.html
@日新陳 ruclips.net/video/1gZ-KaWjhGY/видео.html
這個有
只要是游戏reward不要太sparse基本都没有问题，但是如果要和人对抗需要很多训练素材这个我没特意试过不过国内大厂做的挺多的。曾经偶然有因为厂商不讲信用把60级满级改成3600级赌气用这个肝过一个网游，还在挂机时无意间杀死过偷袭的玩家😂
想了解学习过程
這是其中一種AI:bottom-top,google想要的是會”思考”的
过拟合：把单一的方式重复好多次
很好的頻道欸 但是為什麼那麼少人看
节目太棒了👏
终于回来了
老哥，记得上次看你的视频我还年轻……
严格来说这个不算AI 只是用了所谓神经网络的方法去求解而已
所谓的AI的训练不是这种用乱数尝试的 而且AI最根本的目的是得出结论后 那个结论同样适用于其他车辆和赛道 而这里的这个算法每换一个赛道就要重新来一次
目前的ai基础就是不断的尝试，获取尽可能多的数据，最终完成目标。无论逻辑结构如何设定，基本的原理是一样的。都需要海量的数据和知识来支撑。ai和人类最的区别就是直觉。人类很多事情即便没有经历过，只需要听说，甚至不需要听说，只要看到某个东西就会产生必要的联想。但是目前的机器不会。现在最好的人工智能在所有数据完全为空的情况下，它不能对外界任何情况做出必要的反应，但是人类只要从睁开眼的那一刻，甚至没有睁开眼的时候，就已经能对周围动态产生必要的反应和联想了。人类大脑在一片空白的情况下就可以自动产生智慧，而机器不行。至少是现在的机器不行。
確實 這個換個賽道 基本上就廢了
终于等到你
終於等到更新了
别说我较真啊，真实赛车有手刹。这个步骤加进去，简直不敢想象😊
5:27试错，现实生活也一样
8:54如果设计几台ai在比赛，谁先到达终点谁赢，会不会不需要那么多次试错
你还没说人工陨石，谁赢？
看起來現階段的AI只能安全駕駛
跟追求速度的賽車還是差了一截
AI如何學習甩尾等人類技巧？
-阿斯拉能橫空出世嗎？-
我覺得應該可以，如果數據給他夠的話，再加上時間反覆的練習，我覺得他會的，只要反覆重複的動作他應該會做的比人類好，只是問題來了只要他從來沒遇過的問題，他就會重複、甚至卡到很久，如果有些東西是人類沒有遇過的問題，怎麼給你數據，我的問題還是一樣,“創新，”如果能做到這一點人類是不是該要防著他呢？
和一个人的社会化过程一样.社会化程度越深,准确性越高.
第一个问题，什么是知识
这和给猴子足够长的时间，它随便乱敲打字机都能敲出一部《莎士比亚》有什么区别？现实世界中有那么多海量的算力可供你模拟每一种情况么
人工点赞，AI学着点🤣
想問問主播是用那些程式書寫跟學習AI的？
卡
什么游戏？
健康最重要，
貴精不貴多。