Размер видео: 1280 X 720853 X 480640 X 360
Показать панель управления
Автовоспроизведение
Автоповтор
這次的諾貝爾奬帶我來到這個影片,這個影片做得實在太好了,很深入淺出,沒有廢話。我覺得伊辛模型超級美的,很簡潔的從最本質的狀態描述巨觀的物理性質 完全體現了物理之美
看了化学奖就明白物理奖了。化学给AI是合理的 但组委会觉得不给教父就说不过去了 于是想法给辛顿物理奖 还找了霍普一起得 后者勉强往物理上靠了点 增加含物理量。物理奖应该是对物理做出发现 而不是受物理启发在别的领域应用作出贡献。别圆了 怎么都圆不了😂
我看完這影片,腦子裡浮現的就是你這則評論的最後兩句話!
这一、两天开始看到有一些“博主”开始蹭 “诺贝尔奖颁给AI” 的热度,但是绝大多数都是三姑六婆的菜市场之谈,只有你这篇深入浅出,却又有凭有据,令人受惠!
簡短明瞭,太好了。
感謝科學家的努力與貢獻
我二十年前就是學神經網路的,當年在學的時候,完全不知道為什麼會提出這樣的神經網路模型,這幾年AI的火紅,才慢慢的知道為什麼有回傳神經網路,也才知道原來還可以卷積,而且現在才知道為什麼要選用權重,為什麼要矩陣運算,為什麼要有修正涵數。這篇真是神片,半句廢話也沒有。
有没有觉得可怕?人工智能和很多物理现象很类似。我们这个世界会不会真的是虚拟的。
人類一系列的科技創新都起源於戰爭建議頒發諾貝爾戰爭獎
我的理解,各个顶级科学奖项的获奖者,首先必须是该学科的专家。比如阿贝尔,菲尔兹的获奖人,一定是数学家。诺贝尔生理或医学奖的获奖人,一定是生理学家或医学家物理学奖的获奖人,一定是物理学家化学奖的获奖人,一定是化学家但2024诺贝尔物理学奖获奖人Geoffrey Hinton,显然不是物理学家化学奖获奖人Demis Hassabis,显然不是化学家这就很有意思了。。。
其实还是很牵强,只是人工智能在玻尔兹曼机系统最优解算法思路与伊辛模型相似而已。没有任何直接联系。让人怀疑只是政治正确罢了,毕竟现在不吹AI会死😂
有同样想法,假如要找共性来求获奖依据,发明数字的人是不是所有诺贝尔物理化学生物奖应该先拿一遍。
影片講得還是太簡單了,實際上Ising model與AI演算法的連結並沒有他說的那麼簡單,而是要到重整化群那部分才比較能體現。基本上重整化群每做一次重整化就是在判斷哪些耦合參數重要哪些不重要,而最終有些參數在經過多次重整化之後就會變成零,也就是在大尺度來說這些參數並不能構成影響。每一次的重整化就很像一層的ai 判斷,會不斷的進行優化,在參數空間裡面去找到最optimized的參數與佔比 。而我不敢說全部的ai 演算法,但我知道有一部分的ai演算法其數學結構與重整化群的RG flow基本上是一致的,包括RG equation 以及找fixed point 基本上都有一一對應的式子。當然現在的ai處理更複雜的問題並非單純可以用RG來對應,但在ai 的發展歷史脈絡上,他與統計力學的代數結構確實是有很大的淵源。那你說講了半天到底物理在哪,重整化群用得最完美的系統就叫做Ising model,起初就是為了解決平均場論引發的問題而得以正確計算相變問題而發明的方法。在系統複雜度很高的時候,是否能不做mean field直接計算partition function 去得到最準確的預測,如果真的每個交互作用都去計算,這是人類不可算的東西,為了解決這個問題才有的重整化群,ai 其實也是很類似的東西,一樣也是高度複雜的系統要去找到某個effective theory去描述。真的要講並不是在留言區能夠講清楚,你可以參考這篇PRL journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.136402
我覺得是無人可頒的濫竽充數。
人工智能理論是研究現實世界運作的規律,計算機技術只是載體。
很期待AI可以加速化學跟物理的發展
听成被导师背刺
今年的物理学奖就是个笑话。不是够不够格的问题,是这个为什么要扯上物理学奖的问题
因為沒有諾貝爾資訊學獎,所以只好搬物理學獎,結案。😂
精髓是4:18
扯太遠了
看看你取名是量子,却做了那么多AI的视频就知道,物理学为什么不存在了
這次的諾貝爾奬帶我來到這個影片,這個影片做得實在太好了,很深入淺出,沒有廢話。
我覺得伊辛模型超級美的,很簡潔的從最本質的狀態描述巨觀的物理性質 完全體現了物理之美
看了化学奖就明白物理奖了。化学给AI是合理的 但组委会觉得不给教父就说不过去了 于是想法给辛顿物理奖 还找了霍普一起得 后者勉强往物理上靠了点 增加含物理量。物理奖应该是对物理做出发现 而不是受物理启发在别的领域应用作出贡献。别圆了 怎么都圆不了😂
我看完這影片,腦子裡浮現的就是你這則評論的最後兩句話!
这一、两天开始看到有一些“博主”开始蹭 “诺贝尔奖颁给AI” 的热度,但是绝大多数都是三姑六婆的菜市场之谈,只有你这篇深入浅出,却又有凭有据,令人受惠!
簡短明瞭,太好了。
感謝科學家的努力與貢獻
我二十年前就是學神經網路的,當年在學的時候,完全不知道為什麼會提出這樣的神經網路模型,這幾年AI的火紅,才慢慢的知道為什麼有回傳神經網路,也才知道原來還可以卷積,而且現在才知道為什麼要選用權重,為什麼要矩陣運算,為什麼要有修正涵數。這篇真是神片,半句廢話也沒有。
有没有觉得可怕?人工智能和很多物理现象很类似。
我们这个世界会不会真的是虚拟的。
人類一系列的科技創新都起源於戰爭
建議頒發諾貝爾戰爭獎
我的理解,各个顶级科学奖项的获奖者,首先必须是该学科的专家。
比如阿贝尔,菲尔兹的获奖人,一定是数学家。
诺贝尔
生理或医学奖的获奖人,一定是生理学家或医学家
物理学奖的获奖人,一定是物理学家
化学奖的获奖人,一定是化学家
但2024诺贝尔
物理学奖获奖人Geoffrey Hinton,显然不是物理学家
化学奖获奖人Demis Hassabis,显然不是化学家
这就很有意思了。。。
其实还是很牵强,只是人工智能在玻尔兹曼机系统最优解算法思路与伊辛模型相似而已。没有任何直接联系。让人怀疑只是政治正确罢了,毕竟现在不吹AI会死😂
有同样想法,假如要找共性来求获奖依据,发明数字的人是不是所有诺贝尔物理化学生物奖应该先拿一遍。
影片講得還是太簡單了,實際上Ising model與AI演算法的連結並沒有他說的那麼簡單,而是要到重整化群那部分才比較能體現。基本上重整化群每做一次重整化就是在判斷哪些耦合參數重要哪些不重要,而最終有些參數在經過多次重整化之後就會變成零,也就是在大尺度來說這些參數並不能構成影響。每一次的重整化就很像一層的ai 判斷,會不斷的進行優化,在參數空間裡面去找到最optimized的參數與佔比 。而我不敢說全部的ai 演算法,但我知道有一部分的ai演算法其數學結構與重整化群的RG flow基本上是一致的,包括RG equation 以及找fixed point 基本上都有一一對應的式子。當然現在的ai處理更複雜的問題並非單純可以用RG來對應,但在ai 的發展歷史脈絡上,他與統計力學的代數結構確實是有很大的淵源。那你說講了半天到底物理在哪,重整化群用得最完美的系統就叫做Ising model,起初就是為了解決平均場論引發的問題而得以正確計算相變問題而發明的方法。在系統複雜度很高的時候,是否能不做mean field直接計算partition function 去得到最準確的預測,如果真的每個交互作用都去計算,這是人類不可算的東西,為了解決這個問題才有的重整化群,ai 其實也是很類似的東西,一樣也是高度複雜的系統要去找到某個effective theory去描述。真的要講並不是在留言區能夠講清楚,你可以參考這篇PRL journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.136402
我覺得是無人可頒的濫竽充數。
人工智能理論是研究現實世界運作的規律,計算機技術只是載體。
很期待AI可以加速化學跟物理的發展
听成被导师背刺
今年的物理学奖就是个笑话。不是够不够格的问题,是这个为什么要扯上物理学奖的问题
因為沒有諾貝爾資訊學獎,所以只好搬物理學獎,結案。😂
精髓是4:18
扯太遠了
看看你取名是量子,却做了那么多AI的视频就知道,物理学为什么不存在了