马斯克调侃AI就是统计学？那么AI到底是什么？
HTML-код
- Опубликовано: 20 июн 2023
- 前不久马斯克发推讽刺机器学习的本质就是统计学？事实真的如此吗？难道如今的AI都是披着智能外衣统计学算法？
===广告赞助===
👉富途moomoo US开户需SSN：j.moomoo.com/00x9A6
#大刘 美国观众额外加码福利
最高16股！
1. 开户送1股赠股,+美股LV2行情
2. 入金$100送4股赠股
3. 入金$1000送10股赠股，每股价值高达$2000
4. 入金$3888送一股苹果股票--频道专属活动
0佣金交易美股，免费深度摆盘，50万美金资产保险，一个账户交易美港股，中文客服
#大刘 澳洲观众点击该链接，入金AU$2,000送10股！
j.moomoo.com/00x9A6
#大刘 东南亚观众点击链接，最高可获得SG$208福利！
j.moomoo.com/00x9A6
开户入金问题，香港及其他地区的观众请加微信咨询：
👉富途moomoo客服微信：N333303 （大刘科普观众加好友时请备注2获得频道专属福利） 
Наука
最后那个笑容暴露了大刘就是 AI，直接触发了恐怖谷效应
你在说恐怖故事吗？😂
同感
Joker smile 😮
最后一笑 非常巧妙😂
大刘无所不知，非AI不能胜任
看了無數博主對AI的解釋，你的闡述最令我佩服且感動，請收下我最高的敬意！
您确定吗？先收下了。
脑残你好
馬斯克沒錯，這議題歷史上已經討論很久很久，智能分成兩大類，聯想式與敘事式兩類，聯想式就像攝影機一樣收集所有，統計各類可能，遇到問題，從資料庫中找到最接近答案。敘事式，把一個觀察到現象，可以發展一套故事解釋此現象成因與未來(例如，牛頓用萬有引力解釋行星運動)。目前所有學者都認可"敘事式"智能高於"聯想式"，而聯想式也是許多動物常用技巧，以這種智能是很適合做為人類工具。
没那么简单。。
你首先需要知道怎么算，用什么算。。
但实际上 我们并不懂真实的物理现象， 例如张力（泡泡）和流体（悬浮的球） 我们看到时都会一脸茫然。。
还会有很多直观的误解， 但在对的引导下 可以很稳定的联想 算至真像。。
神奇的是 你不需要主动去存档。。
馬斯克當然錯。要是人工智慧就是機率統計模型，那問題早就結束了。我只要問你怎麼用度量空間的資料估出機率空間的變量就好，這世界上肯定沒人答得出來最佳解。
這極好棒，感謝您的製作
科普的水平相当可以，既不过分浅显，也能把深奥的道理讲清楚。赞👍🏻一个
精彩，大刘加油！
问题是人类本身认识世界的最常用的方法就是统计学，很多所谓的知识就是从海量样本中归纳总计而得出来的！
非常好的总结！
大刘老师的分析是独立思考的典范，值得学习！
马斯克有时候说话确实不中听，但其实他说的也没错，因为CHATGPT本身无法分辨答案的正确与否。谁跟你说的大概率就一定是对的？有太多的答案都是大多数人错误。并且，chatGPT更容易被人为操控。
那么你是怎么知道对与错的？你的判断标准是什么？机器一定学不会人类的标准吗？
比方之前的27是質數？很顯然它不懂呢
chatGPT已经被中共控制，郭先生已经亲测，所有和政治相关的，简体字、繁体字不一样，英文、中文不一样，丑化反共的组织，毫无公正可言。
我们都经过严密思维训练。归纳，推导，数理逻辑。我知道AI不能用于解决具体问题。我可以判断它的对错。AI不能代替我，只能为我所用。😊😊😊
不错哦，竟然在最后还点出了激素调节，赞！
我喜歡你最後的那句話和笑😀😀有些人對情感的看法實在膚淺，真正純粹的情感也可能出於理性，而非肉體預設
太贊了！這個解說是最棒的！謝謝您
我非常同意马斯克的观点。马斯克是个明白人。现在的AI是伪AI, 没有独立思考能力，不能判断真假，只是统计结果和概率计算结果。在没有sample的情况下不能独立抽象出规律。
等AI有了物理，逻辑等参数，就会出现判断了吧，人类不也是如此么。
說得太好了 謝謝分享
最开始说AI很恐怖的是他。说AI即将到达人类无法掌控的地步，所以振臂疾呼所有AI开发组织暂停开发更优算法半年。现在说，AI不过是一个统计算法工具的，也是他。
总结:AI只是一个会毁灭人类的统计算法工具而已XD
哈哈大劉最後的笑為了證明他不是AI播報
最后那个笑容暴露了大刘就是 AI收下我最高的敬意
大刘真是太棒了，这么复杂的基础科学能讲得如此通俗易懂
最后那个笑好逗哈哈😆
中间几个展示动画很漂亮，很喜欢，请问哪里可以获取素材呀，多谢
馬思克是把AI說小了。但我們是把統計學說小了。😊
马斯克是把 AI 说大了，以致当前实现的 AI 在他眼里都算不上智能。其实当前的 AI 算不算真正的智能并不重要，反正它挺有用，能解决不少问题
大刘，讲得好！而且我感觉你也是做过不少项目实践的？
我在手心里写了一个 “玄”， 请统计 “我为什么写了那字 和 那字代表什么 和 它是做什么用的”。。
你统计得出来 “我把桌子都吃了”。。
什么是愚昧 什么是智慧，
愚昧是毫无逻辑的在迷失 ；智慧是会分辨是是非非 能做一切正确的事 （不是别人对你输入什么就是什么）。。
把一个不断当机 和 自说自话的映射程序 当成智慧，是在贬低智慧本身这个存在？
还是。。你是指 大多人的智慧就是长那个样？ 请不要贬低生物的奥妙。。
你能一秒就辨认出 不同桌面上的是灰尘还是粉沫 并知道那尘积了多久，不是统计就可以做到 。。
马斯克说的大体上正确，目前的人工智能，追溯到本源基本就是人工神经网络，其学习过程基本就是对大数据的统计，只不过现在的人工神经网络很复杂，给定数据你无法确定算出来是什么结果，但基本的算法还是清楚的。
毕竟马斯克不是吃素长大的，你以为呢？🙂
錯得很，講出這種話直接反映馬斯克不懂ML 更遑論AI
给定数据当然可以确定结果，这不就是推理过程吗？黑箱特性体现在，你可以看清内部每一步具体的计算过程，但你无法通过逻辑理解为什么用这些数值，因为ai解决的问题都是不能用逻辑清晰表述的，例如识别猫。
精闢
马斯克说的没错。目前的AI 主流技术神经元网络基本上都是用大量的数据去训练（其实就是找出统计规律），然后去用新的数据根据学习到的统计规律来预测。人类的智能，是否就是依照这种统计学原理在运行呢？
坐等大神留言
请问最近丰田发表的关于固态电池的声明，靠谱吗？
AI的基礎原理是統計學沒錯啊！ 但要利用統計分析達成趨於精準的結果，就要靠演算法來實現。
@@eGuoSuperAlihonX 深度学习本质是function approximator，就是统计学，用的都是统计学公式
本质上是用矩阵进行特征提取，用没用统计学和胜率没什么关系
說的好
主要是目前的ai只是在现有的数据信息知识体内做拟合分类推理预测行为优化，不能增加信息熵吧，想要继续保持实体存在只有想办法阻止熵灭，让人类保持存在发展的学习传承不仅仅只是在前人的信息知识体内去运作，而是适应新环境的创新创造，目前看到的ai作图作曲聊天都没看到ai能具备好奇心而去开拓新领域创造新的存在，或许不能觉醒这点在大佬看来ai就是统计学。但是支持大刘老师那句：只要部分替代人类，即便它是统计学的基因，也不妨碍它被赋予智能的标签。还是有其存在的合理和意义
我不是很认同大刘说人和目前AI是一样的说法，我当年看李飞飞的人工智能识别图片的时候，当时她类比机器是如何和小孩子一样认识猫的，那个时候我们家的小孩刚好3-4岁的样子，刚开始识别动物，我就拿自家的小孩做实验给他看动画的猫，图片的猫，现实中的猫，我给他反馈说这就是动物猫，你自知道小孩看了多少这样的场景就学会了么？绝对不超过100个，后面我给出各种颜色的猫，露出一半身体的猫，小孩都能识别出来了，你知道机器识别这种AI学会认识猫要多少张反馈图片么？没有上千万，甚至上亿的图片量根本就学不会！这是真实的实验！！！人脑没有那么简单，他需要那么多的投喂他会自动的去总结，虽然我不知道他的原理，我就问个简单的问题，为啥现在的AI只能做单一的事情，chatgpt只能生成语言处理结果，能开车，能下围棋么？能唱歌么？能同时边开车边唱歌么？但是人脑可以！
3岁的小孩的大脑已经训练过无数次了 一出生 眼睛每秒接受几十次每秒的三维空间数据对大脑进行训练 你举的例子小孩并不是从0开始 而计算机是从0开始
生物的大腦毫無疑問也是經過訓練得來的，打從還在腹內就開始接受刺激，每一寸皮膚、眼睛等各種感官無時無刻每分每秒都在建立大腦神經突觸的連結，沒有學習過的東西不會就是不會，不過人腦還能藉由其他類似的經驗去"嘗試"沒有學習過的事物，你說的那些其實就是人類大腦的"性能"，GPT現在做不到只是它的性能還沒有做到那裡而已。生物的腦跟目前AI不一樣的地方在於量子事件，腦中資訊的傳遞是分子級別的會有量子效應在裡面導致一樣的刺激可能會有不一樣的結果。
你训练小孩做数学题看看，看要多少年能达到一台最简单的计算器的水平
@@honghong1715 反之 你让台计算机， 去计算 正常四岁小孩的信息量，你用10台家用电脑都不够。。
只是听觉信息和语音信息处理 就占你 10台家用电脑了。。
“现在的AI只能做单一的事情，chatgpt只能生成语言处理结果，能开车，能下围棋么？能唱歌么？能同时边开车边唱歌么？但是人脑可以！” 要学会用发展眼光看问题。
最後那一笑太加分了
老马说的没错，现在的AI顶多算是小镇做题家，并不具备真正意义上的智能。而且最大的问题是，AI给出的方案无法用逻辑来推导是否正确只能靠实验来验证。
小镇做题家是从数据库中匹配。AI可不是，如果是那样，AI就不会在不知道的时候胡说八道了。
@@hxlbac 遇事不决就选C, 难道是数据库匹配吗?
簡單來說是人類小看統計學的規模效應帶來的突現，如果單純看數學原理的話，人類腦神經系統本身就是統計學模型，和AI沒有任何差別，除了定義和訓練的方式有點不同。
然而，ai的基于的大数据是海量的，这种海量的特性，决定了Ai只能存在于网络空间。但是，网络空间的数据，会随着Ai的发展越来越被污染，Ai会变得越来越偏离正确性和确定性。
@@user-hq4xi5bo1q你說的是一種ai不會做價值判斷的情況，而事實正相反
@@user-hq4xi5bo1q 这么多评论，就你这个靠谱，本质是要能纠错，这个目前只有人能办到。
不一樣，大自然可厲害了，DNA鹼基對採取了四進位計算，在容錯跟突變之中取得一個平衡，進而演化出更可怕的神經元結構，人的感情跟智慧事實上就是一種運算錯誤，但在可控的錯誤底下做進化延伸，這才是真正ＡＩ應該達成的目標。
@@user-hq4xi5bo1q 這一點我覺得人類可能也不妨多讓，我們都預設人類的思考可以一直保持靈活性即使暫時累積很多偏誤也可以自我糾正回來，但就我從現實的觀察並非盡是如此，人類的腦袋感覺還是有類似汙染的效應，只不過受益於人腦是有機體，具備的適應性、可成長性天然比數位的AI強大得多，所以早期 ( 年輕時 ) 不明顯。
哪怕是人腦，在理性思考之前提之下何嘗不是根據過往經驗的學習、累積再做出判斷。
AI 最大的優勢是可以快速搜索演算理論上無限大的經驗法則。相對而言，有經驗的聰明人不需要龐大而復雜的運算就有 sense to know what's the best possible solution.
智能应该不仅仅是指机器算法本身 而是机器跟外界环境交互反馈的总称
最后那鬼魅的笑容😂😂😂
其实马斯克说的也没错，你带情绪的评价马斯克带情绪的言论本来就是自然生命体之间交流沟通的结果，因为每一个自然人都是独立的生命体，只能靠自己心跳和呼吸独立的生命体。像AI 聊天这种本来就是靠数据库练台词聊天的，统计学当然是最关键的一环，自然人跟自然人之间都会有话不投机半句多的时候，AI 聊天机器人如果不会聊天，那它的“工作”要怎么开展呢？ 最后我想说 AI 这种模仿意识的物质文明应该受到严格管制，特别是要管制AI 的使用领域和权限。因为最终AI 只有两种结果，就像新冠病毒那样，受控制 或 不受控制。
算法是解决问题的办法，思想（想法）是核心或灵魂，算法通常分成几大步骤，输入、输出必不可少，中间究竟如何处理才是核心与关键。
喜欢最后那诡异一笑😂
苏茨科弗说，GPT的确只是一个神经网络语言模型，它被训练出来只是要预测下一个单词是什么--但是，如果你训练得足够好，它就能很好地掌握事物之间的各种统计相关性。而这就意味着神经网络真正学习的，其实是「世界的一个投影（a projection of the world)。换句话说，GPT学的其实不是语言，而是语言背后的那个真实世界。
禅宗有本书叫《指月录》，用的是当初六祖慧能的一段典故。慧能说真理就如同是月亮，而佛经那些文本就如同是指向月亮的手指：你可以顺着手指去找月亮，但你想要的不是手指而是月亮。现在训练GPT用的那些语料就是手指，而GPT抓住了月亮。
这就是为什么GPT有了常识。那是它自己从无数语料中摸索出来的。
那你说，难道单凭读文本就能抓住月亮吗？也许是的，或者至少在相当程度上可以。要不然呢？我们人类读书不也是这么干的吗？
人类的思维和逻辑就是语言构建的
AI本来就是三大科目 高等数学微分 概率论与数理统计 线性代数作为基础的啊
从哲学的角度看AI可能更合适。简单的统计，在其规模达到一定程度之后，就会发生某种质变。
我和老马看法一样。目前所谓AI并不具备我们对智能的原本定义，可以说完全不着边。不能说一个算法可以解决实际问题比人快就算有智力。目前AI的能力甚至比苍蝇的综合智力还差的非常遥远，遑论和人比。现在每一个所谓AI模型的能力都非常局限，而且需要人类重度参与。而智能的一个特点就是灵活性，通过少量碎片就自己探索掌握新技能。
同意。我如果在谷歌上用script发10亿条---地球是方的。然后你问chatgpt，它会告诉你地球是方的，因为它搜到的信息里面80％以上的结果是方的。我可以短期内左右它的答案。
@@user-wd3hi5yc7c 你如果有一個孩子，從出生就讓他與世界隔絕，並且教他地球是方的，那他回應你有關地球的資訊，都會是地球是方的為基礎
说白了还是算力不够，把现在的算力提高20倍，AI吊打全人类了。
同意，但既然目前的ai還不是智能，那馬斯克就不必小雞肚腸的成天宣傳阻擋GPT5以後的進化和研究。先把他自己的FSD人工智能研究停下來吧。
我拿了一段代码c# 说这是deep copy 他给我解释一通。然后我又问难道不是shallow copy么？他又道歉说是shallow。 😂
請問有無可能將人類激素移植到機器?
影片最後大刘那個微笑,就是比喻是AI微笑
简单来说，统计加奖赏机制加对抗机制。老马说的不一定准确，但是无疑是最大众化的，现从他的角度而言，也是收益最大化的。
CNN(resNet之类), Transformers这类架构本身本质也是back propagation和gradient descent，其本质确实是数理统计+线性代数+微积分结合。确实也很难逃脱数理统计
最后一笑蕴含无穷韵味
Modern AI based on neural network is nothing but mathematics tricks. The huge number of parameters gives the mathematical model the flexibility to adapt to anything better than ever before. It is useful but only in a very limited number of domains. And in some domains, its seemingly usefulness can be very dangerous (don't interpret this word in any Sci-Fi way). I really don't understand why so many people are crazy about AI. Maybe because of the naming. Mathematics is neither magic nor the languange of god. It is just a human pattern of recognizing the world. It is based on human biology and is limited by that. It is about representation rather than comprehension. Anything that is based on mathematics is sub-human. As to Chat-GPT, it is just a different search engine, not even better.
取個高大上新穎的名稱，對拓展市場很有幫助，就像台灣用微電腦指稱微計算器，比直翻譯的微計算器好像就高了一個檔次
簡單說，今日的AI還停留在digital computing 離散數學，FSM, NP problem 的框框內，但人腦基本是analog computing, 這就是基本不同。
AI就是個計算器與有意識的思考創造器的人腦的差別可大了
統計學 + 微積分 + 線性代數
蒙地卡羅是RL 這篇講RL比較多
Ai 還有很多其他演算法 像CNN結合影像學
NLP結合語言學
並不是單存只有統計
還有一些非神經網路的 PCA, SVM, random frost, k-mean等
上帝那條線應該是找不到吧 除非你能把全宇宙的特徵放入vector 那無限大的高維的vector XD
統計也有微積分的影子，現在流行的是從神經網路發展的，微積分偏多
你的意思是统计学者不懂微积分，不懂线性代数？😂😂😂
最后一句太对了
如果說Al是統計術，那麼在醫學方面它能否在已知的診斷病例中找出新的治療方式？
確實是如此阿 有這個概念當量子電腦產生的時候基本上人類也就算是破關了
大刘兄有没有关于3d模型学习模型
是工业软件的3D模型
AI基本上就是由算力，算法以及数据组成！目前来说，其算法基本上就是基于统计学的多元分析，例如neural network 或者 svm等等！马斯克并没有错，就当前来说，算法上并没有多大突破基本就是统计学，而这两年突破最多的是算力和数据！例如ChatGPT在算法上是基于Google的Transformer model，它只是稍作提高，并没有什么大突破
谢谢你 我突然明白了 易经里的大衍之数的原理 推算未来的方式 就是 这种你说的原理，古代的祭祀通过折草的方式来演义了这种路径。
同意
大刘是做啥工作的》？
人工智能的本质不是统计，而是函数。
所谓的学习训练，就是从海量的数据中找到一个函数，这个函数能够复原已有数据的结论，因为是函数，它显然也能预测新数据的结论。
對，只是從統計出發，不代表現在也是基於統計，agent 的底層就是函數
AI 就是依据数据与规则做出尽量好（或尽量正确）的判断。
数据需要尽量真实（符合实际）、全面、组织的尽量好；
规则需要尽量反应本质与规律，即：尽可能地接近本质和规律。
类似于把数据代人数学或物理公式，求结果。
数据要真实、公式要正确，这样结果才对。
人工智能用到大量统计学知识，还用到线性代数、多元微积分等知识呢。
马斯克不是无所不知，他受限于他的知识面和认知水平。
大数据AI核心算法还是靠数学家，只不过以前的硬件能力有限
深度学习只是在计算的数量和规模上有变化，从原来上讲，还是数学拟合，还是统计学的基因发展出来的东西
人类的情感不仅仅限于激素的刺激，生物学的研究表明，人类的情感和自我认知的生物基础非常复杂
語意分析（semantic analysis）技術
Data processing， 就是精密的統計學。
马斯克说的没错。目前 AI算力有限，算法也没有突破统计学的思维模型。
原來這就是三體裡面提到的進化算法。
老黄要给显卡加上点激素，或者人形机器人上加模拟，就有感觉了？
不論人工智能或統計學都是人類知識產物，就只是工具，不論好壞高低，重點是都沒有靈魂，不是生命，看似能思考但實際仍不是，之所以能驚豔甚至將來能掌控人類，其實就是人的懶惰天性使然
馬斯克真的看不起AI嗎？但他搞的tesla自動駕駛，腦機接口都是AI產品。這漫畫會否只是他對自己行業的一種調侃，根本不是看不起AI?
再聰明總會有失言的時候 有些人還會神化他 真的沒必要
他是看不起OpenAI
Tesla 持續研發的自動駕駛車是弱AI (Weak AI)，跟他說危險很多很多倍的通用AI ( AGI, Artificial General Intelligence) 差很多，
它的機器人 humanoid robot Optimus我就不知道了，但聽說跟 Tesla 是共用同一個系統
AI 就是研究與設計數學模型，把話說明又怎麼了，難道你期待是上帝創造的？
卷积神经网络的建立需要通过大量数据进行培训, 这个过程就是统计学的拟合过程. AI 离不开大数据建模, 所以本质确实是统计学 - 马斯克是对的！
AI是美國最強的好來塢、矽谷和華爾街三大單位聯手製造的話題，嗯！的確威力驚人，的確讓全中國的聰明人都陷在裏面，禁賣令又讓中國公司急著花錢替英偉達的未來買單⋯⋯😂
统计学是根据大量的数据来做决定。这有一个严重的问题，就是多不代表正确。
正确的决定不是根据数据的多少。
目前的人工智能并不是完全根据概率做决定的。
它不是一次性学习到到尾才做结论，而是在若干次的学习中做了若干次结论。
然后根据以上若干次的结论，继续深度学习，过后又得到了若干次的结论。
这就像我们人类在无数次的学习当中，学到了许多正确的知识。
然后根据所谓正确的知识，又继续学习。
所以，人工智能如果继续发展下去，有一天会比人类更加智能、强大，甚至控制人类。
我们目前已经在某种程度上，间接地被人工智能控制了。
目前有些人已经不在乎ChatGPT给的答案是否对错，直接用就是了。他们已经被ChatGPT控制了。
也有些企业直接用人工智能的计算来管理员工，开除员工等等。
其实Ai这个算法如果个人知识认知等还有掌握一些算法的话也是能达到这个效果的！
最后那个笑得很AI
不是不斷的統計就能看見新科學。我才是目前世界上擁有最棒智能算法的人，因為我用的是全新的物理學。
最后的表情亮了
就是统计学，它还不能做的创意或者发展出自我意识都是现有知识框架内的知识汇总分析
我很想知道让AlphaGo对战AlphaGo，会是什么结果？
要了知人间如梦如幻，对人间像梦幻泡影般的生活要了如指掌。了如指掌是什么？就是清清楚楚，天天想“我又带不走的”，天天想“我在人间活到今天就像做梦一样的，我能带走什么啊？我已经一大把年纪了，我不是跟做梦一样吗？”你活到今天了，你拥有了什么？天天去这么想，那你就不会去贪，你就不会去恨，你就不会再去愚痴。
* 不针对 任何人和事，仅分享善言，感恩宽容！
一段时间 电脑的称谓很流行。慢慢地 ……计算机再成了更贴切的描述。理想家 本质是想入非非。这里没有瞧不起的鄙视😅
太坏了，最后笑的诡异
你的12:58秒，我有一個問題要問，開發者是真不明白還是假不明白?
還是開發者裝作不明白?
我個人建議不要使用
AI Artificial Intelligence
「人工智慧」這個詞彙，instead，使用
「機器學習」
以免普羅大眾
誤解，導至很多誤會甚至商業糾紛 😅
很多人誤解機器具有和人類
一樣的智慧，
我個人以前也是如此，直到
study 機器學習、類神經網路相關書籍，才知道它並不是先前想像的
❤
因為這樣聽起來比較厲害 哈! 然後新的產品都會說他們有Ai功能, (有些商品我實在看不出什麼ai, 反正放個ai就會有人買 XD)
其實我覺得叫機器學習也蠻奇怪的 雖然就是英文直翻 我第一次聽到這個詞完全不懂機器要學習什麼 要怎麼學習
我觉得沒什么誤解, 什么是智慧呢? 智慧低不代表沒智慧; 你说猴子或原始人有智慧吗? 三岁的你和现在的你智慧有差別不? 为什么有差別呢? 不就是因为你经过了學習吗? 如果AI叫[機器學習]那人类是否应該叫[生物學習]了吗? 所以现在人造的AI叫[人工智慧]有什么问题?
人类智能是通过大量统计认知，然后抽象出概念，最后层层抽象。目前AI还不具备这个能力。
人腦只需要60瓦的電力即可處理複雜度極高的問題，而AI卻需要幾十萬倍以上的驚人電力才能達到同樣水準，可見得目前AI的演算法與大腦仍有很大不同。
人脑和硅基芯片硬件差异巨大，能耗悬殊，并不妨碍软件算法的相似程度。
換言之，人腦和AI的最大差別在於，前者通常不需要海量收集和處理資訊即可應付各種問題，AI則必需時時刻刻保持高度運算的狀態才能做到，所以兩者的運算方式是不一樣的。
@@eureka8996 也不能这么算。人脑的海量搜集是从几十亿年第一个神经连接出现就已经开始了。而且训练成的网络已经存盘到了DNA里。
@@KingOfMooreLab話是沒錯，但你要知道人腦處理問題的方式是隨著知識經驗越豐富而變得更省力，而AI系統卻是必須變得更龐大和耗電，這兩者的差異是相當明顯的。
人腦的神經元很多的! 現在技術還沒辦法做出像人腦那樣強的晶片的
生物演化、人腦學習，其實也可適用統計學來解釋呢。
目前的AI的技术本质确实是统计学. 但是量变可以引起质变, 目前的AI的表现已经能看到智能的曙光了, 但AI后面要走的路还有很长.
微積分偏多，有空看一下源碼
是機率論 = 統計學+條件概率+貝葉斯貝氏定理
(蒙地卡洛方法是條件概率中的一項)
(統計學跟條件概率是機率論的一項)
用機率論(概率論)來解釋就合理
用統計學來解釋範圍過小 因為機率論可以涵蓋統計學
概率论不能涵盖统计学，两者互相对立，互为对方的逆向工程
@@tclf90 ??????????????
@@singo1232001概率论只是一种测度方式。统计学才提供方法
@@user-hb8gc5kp7z
先回第一個 根本沒有對立
但你要說逆向工程 我可以接受
你說沒完全涵蓋 我也認為沒說錯
本來就是互相校正驗證互相比對 但這不就是互相成長 去蕪存菁的一種操作嗎
兩者是相輔相成 統計學要靠機率論當基準地基才能成長到今天這個樣子 當然機率論也會被統計學慢慢回測修正變更 這個學科 還不到200年 人類有5000以上的歷史了
而且更扯的是這些理論 都是在因緣際會下 運氣爆表 人類才有機會發現的規律 陽壽課金都還不會出寶的等級
"概率论只是一种测度方式。统计学才提供方法"
這個原因是 我們的學校都只教這個部分 但實際上並不代表只有這個
那我就問 測度方式 與方法 基於甚麼理論???
這個理論就是"沒深入教"的地方 無法融會貫通 只是略懂
不覺得怪嗎? 為何是"論" 而不是"學"? 明明是機率"論" 卻講一堆公式跟計算 因為學校根本沒教我們真正的機率論
數學 也有數論阿
大數法則 貝葉斯貝氏定理 中心極限定律 條件概率 常態分配
這些公理 邏輯 都是概率論(機率論)
我相信上學時都有聽過
但僅限於聽過 學過皮毛
真的問題是為啥這些會有效的原由故事啟發 學校沒時間交 頂多只會描述大概而已(後面會講管道)
而這些公理為核心 統計學 公式才有意義
例如 方差(變異數)
一開始並不是用平方設定的 而是"絕對值均差"
後來發現容易失準
數學家才改公式改成"方差(變異數)"
所有統計學公式 都是要有理論支撐 沒有理論公理 公式就沒意義 計算就沒意義 當然這些機率論公理 也是在經由統計學後續交叉修正除錯的 哪可能一開始200年前就掉下一本教科書 概率與統計
例如數學有一堆公式
但若沒有那些數學公理 就算能計算 那些公式就沒任何意義 若你要設計一些有安全隱患的數學計算 就沒人會相信 你的計算就不能被承認 開刀 大樓結構 爆炸
否則我也可以隨便掰一堆公式 說這公式有意義 要信不信 這樣大家都沒辦法相信整合利用
統計學沒有機率論 就啥也不是了
沒有大數法則 條件概率 這些支撐
那算出來的數字沒人承認有客觀性
統計學就直接消失
在1920年代 統計學跟概率論是同一門學科
叫做 概率統計學 或叫概率與統計
是直到1960~1980才把兩個學科分開
而且 現在學校教的是概率論計算方法
真正概率論的理論應用 與基礎理論 沒有教因為這不好教 因為是語言 邏輯 觀念 故事
老師都會從排列組合 就一路教 然後死記硬背 查表 最終我們學的那個東西 根本就不叫概率論 頂多是概率計算 或者統計學的熱身而已
某天 我真的重新理解概率論
中心極限定律
條件概率
貝葉斯定理
整個惆悵嘆息 為什麼前人這麼厲害
如同人類發現魔法
概率論 我就指出一個概念
華陀開曹操為何會被斬
而
現代醫學開腦跟你說成功率你會相信
原因就是因為機率論那些公理大家願意承認
所以大家才願意用統計學的方式來驗證成功率
再反推這些公理的正確性
但因為這些公理過去已經被推敲太多次都正確了
所以現在這些公理 逐漸也就被人淡忘了 沒人會再去質疑與反駁 我們才誤認為統計學最大 機率論為小
否則 一個陌生人開死我們家人 若沒有機率論 它隨便拿一條公式說 這就是死亡數字 你真的承認? 就不怕它偷改數字? 或者一句倖存者偏差? 我們是無法接受的
沒概率論當地基 統計學就毀滅
不能只看到摩天大樓 而忽略埋在土裡的地樁與鋼梁
另外補充 反正都能科學上網了
不如搜尋看看 劉嘉 概率論 (清大,教授)
還有統計學小課堂 這個也很棒
機器學習背後都是數學，直接說數學不就得了，至於神經網路背後都是微積分
目前所有的 AI 模型都可以在现有的计算机运行并且获得结果，说明目前所有的 AI 模型的信息处理能力都没有超越图灵机。那问题是：人脑可计算是否等于图灵可计算？
AI就是统计学，一个深度的统计。电脑本质上是照人的意思工作，不要被它的复杂和快速所蒙蔽。
量子计算机下围棋无敌
以人类的智慧，复杂的逻辑架构不可能出现，不管是ai还是之前谷歌的alpha go都是基于统计学，这是人工智能的瓶颈，也是人类智力的瓶颈。如果你要模拟真正的智能，就意味着你要设计一个真正的像人类一样可以思考的大脑，而这是不可能的事，因为你要想设计出一个人类的大脑前提是你要比人更聪明
面对复杂问题，人类自己的学习方法，也是通过统计来获得有效反馈的，说统计也无所谓
深度学习里最小二乘法、梯度下降法、最大似然估计等等几乎都是统计学里使用的方法
我就说说我的定义，当一个ai真的自发认为人类是愚蠢的时候，这个才是真的ai，而不是人类让ai说人类愚蠢…