- 主题:关于“聪明的计算机”的疑惑
未来的计算机、手机都是十进制的。二进制的电脑、手机都会变成电子垃圾。
--
FROM 220.175.16.*
现在十进制数码不要经过任何计算,就可以转换成0和1的信号。电脑没有必要再使用二进制数码,而是使用二制数码。二制数码是十进制数码的另一种写法。
--
FROM 220.175.16.*
全排列摩尔电码转换成二制数码对照表
本号 电报模拟声 二制数码
00 嗒嗒嗒嗒嗒 11111
01 嘀嗒嗒嗒嗒 01111
02 嘀嘀嗒嗒嗒 00111
03 嘀嘀嘀嗒嗒 00011
04 嘀嘀嘀嘀嗒 00001
05 嘀嘀嘀嘀嘀 00000
06 嗒嘀嘀嘀嘀 10000
07 嗒嗒嘀嘀嘀 11000
08 嗒嗒嗒嘀嘀 11100
09 嗒嗒嗒嗒嘀 11110
10 嘀 0
11 嗒 1
12 嘀嘀 00
13 嘀嗒 01
14 嗒嗒 11
15 嗒嘀 10
16 嘀嘀嘀 000
17 嘀嘀嗒 001
18 嘀嗒嗒 011
19 嗒嗒嗒 111
20 嗒嗒嘀 110
21 嗒嘀嘀 100
22 嗒嘀嗒 101
23 嘀嗒嘀 010
24 嘀嘀嘀嘀 0000
25 嘀嘀嘀嗒 0001
26 嘀嘀嗒嗒 0011
27 嘀嗒嗒嗒 0111
28 嗒嗒嗒嗒 1111
29 嗒嗒嗒嘀 1110
30 嗒嗒嘀嘀 1100
31 嗒嘀嘀嘀 1000
32 嗒嘀嗒嗒 1011
33 嗒嗒嘀嗒 1101
34 嗒嘀嘀嗒 1001
35 嘀嗒嗒嘀 0110
36 嘀嗒嘀嘀 0100
37 嘀嘀嗒嘀 0010
38 嗒嘀嗒嘀 1010
39 嘀嗒嘀嗒 0101
40 嗒嘀嗒嗒嗒 10111
41 嗒嗒嘀嗒嗒 11011
42 嗒嗒嗒嘀嗒 11101
43 嗒嘀嘀嗒嗒 10011
44 嗒嗒嘀嘀嗒 11001
45 嗒嘀嘀嘀嗒 10001
46 嗒嘀嗒嘀嗒 10101
47 嘀嗒嗒嗒嘀 01110
48 嘀嘀嗒嘀嘀 00100
49 嘀嗒嘀嗒嘀 01010
无本号 嘀嗒嘀嘀嘀 等
50 嘀嗒嗒嘀嘀 01100
51 嘀嘀嗒嗒嘀 00110
52 嘀嘀嘀嗒嘀 00010
53 嘀嗒嗒嘀嗒 01101
54 嘀嗒嘀嘀嗒 01001
55 嘀嘀嗒嘀嗒 00101
56 嘀嗒嘀嗒嗒 01011
57 嗒嘀嗒嘀嘀 10100
58 嗒嗒嘀嗒嘀 11010
59 嗒嘀嘀嗒嘀 10010
60 嗒嘀嗒嗒嘀 10110
61 嘀嗒嗒嗒嗒嗒 011111
62 嘀嘀嗒嗒嗒嗒 001111
63 嘀嘀嘀嗒嗒嗒 000111
64 嘀嘀嘀嘀嗒嗒 000011
65 嘀嘀嘀嘀嘀嗒 000001
66 嘀嘀嘀嘀嘀嘀 000000
67 嗒嘀嘀嘀嘀嘀 100000
68 嗒嗒嘀嘀嘀嘀 110000
69 嗒嗒嗒嘀嘀嘀 111000
70 嗒嗒嗒嗒嘀嘀 111100
71 嗒嗒嗒嗒嗒嘀 111110
72 嗒嗒嗒嗒嗒嗒 111111
73 嘀嗒嗒嗒嘀嘀 011100
74 嘀嘀嗒嗒嗒嘀 001110
75 嘀嘀嘀嘀嗒嘀 000010
76 嘀嘀嘀嗒嘀嘀 000100
77 嘀嘀嗒嘀嘀嘀 001000
78 嘀嗒嘀嘀嘀嘀 010000
79 嘀嗒嘀嘀嗒嘀 010010
80 嘀嘀嗒嗒嘀嘀 001100
81 嘀嗒嘀嗒嘀嘀 010100
82 嘀嗒嗒嘀嘀嘀 011000
83 嘀嘀嘀嗒嗒嘀 000110
84 嘀嗒嘀嗒嗒嘀 010110
85 嘀嗒嗒嘀嗒嘀 011010
86 嘀嗒嗒嗒嗒嘀 011110
87 嗒嘀嘀嘀嘀嗒 100001
88 嗒嘀嘀嘀嗒嗒 100011
89 嗒嗒嘀嘀嘀嗒 110001
90 嗒嘀嘀嗒嘀嗒 100101
91 嗒嘀嘀嗒嗒嗒 100111
92 嗒嗒嗒嘀嘀嗒 111001
93 嗒嘀嗒嘀嗒嗒 101011
94 嗒嗒嘀嗒嘀嗒 110101
95 嗒嘀嗒嘀嘀嗒 101001
96 嗒嘀嗒嗒嗒嗒 101111
97 嗒嗒嘀嗒嗒嗒 110111
98 嘀嗒嘀嗒嘀嗒 010101
99 嗒嗒嘀嘀嗒嗒 110011
使用说明
1.电报模拟声中 嘀 算 0,嗒 算 1.
2.十进制数码需要两位两位的分断。
举例:11253223 ,接着用本号转换。
11 25 32 23
嗒 嘀嘀嘀嗒 嗒嘀嗒嗒 嘀嗒嘀(电报模拟声)
1 0001 1011 010(二制数码)
3.分断后,首位出现单位数,则左边需要补一个 0。
1 25 32 23 变为 01 25 32 23
这是因为100个本号都是双位数所形成的原因。
--
FROM 220.175.30.*
为什么哥德尔定理之后,还有人搞符号主义?搞两个互相矛盾的定理推导出一切命题?
编程语言不会超过计算机本身的计算能力
现代数字计算机计算能力还达不到图灵机的水平,即使能达到,程序也是可数无穷多的,但是世界上的问题是不可数无穷多的。有些问题必然是数字计算机解决不了的。
但处理不可数无穷多问题有一个强大的数学工具——实数
所以神经网络的大方向应该没错,我甚至觉得模拟计算机会复兴
【 在 cyj 的大作中提到: 】
: 十年之前,我还是一个大水车,经常在csarch版上大放厥词,表示单纯的体系结构学术
: 研究没有什么空间。现在想想,那时真的是错得厉害,完全是无知者无畏。不过,正是
: 当时的无知者无畏,让我选择了跳出单纯的体系结构研究,逐渐转向了人工智能+体系
: ...................
--
修改:AutumnNight FROM 59.109.218.*
FROM 59.109.218.*
有一本书叫how the mind works。你这水平先看看科普
【 在 cyj 的大作中提到: 】
:
: 十年之前,我还是一个大水车,经常在csarch版上大放厥词,表示单纯的体系结构学术
: 研究没有什么空间。现在想想,那时真的是错得厉害,完全是无知者无畏。不过,正是
: 当时的无知者无畏,让我选择了跳出单纯的体系结构研究,逐渐转向了人工智能+体系
: 结构交叉学术研究的道路。
:
: 一晃十年过去了,自己在这条路上已经走了一段时间,感觉似乎采到了一些low-
: hanging fruits。但是真正离“做一台聪明的计算机”这个初心,反而越走越远了。甚
: 至,连什么是一台“聪明的计算机”,也说不太清楚。做得越久,产生的疑惑越多,很
: 希望得到一些指导。而csarch版在tianbing版主同志的带领(和到处贴小广告)下,一
: 直是我所知道的国内体系结构最繁荣论坛。因此,借这一方宝地(或者说灌水的老战
: 场),说说自己的疑惑。
:
: 第一个疑惑是“聪明的计算机”到底功能是什么。我做了N年人工神经网络处理器,很
: 多时候已经被人贴上了这个标签。深度学习这样的人工神经网络解决了感知和一部分认
: 知的问题。其实,我内心还是比较倾向符号主义那一套的,用某种逻辑表示知识并进行
: 推理。这块当前已经是很冷门的技术了,短期内也没看到大突破的迹象。但是我总觉得
: 推理(以及联想、涌现等高级认知功能)才是真正“聪明的计算机”应该干的事情。而
: 这些高级认知功能又很难拍到人工神经网络上面去。这就表明,“聪明的计算机”可能
: 不是做人工神经网络处理,至少不全是做人工神经网络处理。
:
: 第二个疑惑是“聪明的计算机”到底结构是什么样的。如果高级认知功能无法通过人工
: 神经网络达成,那么人工神经网络处理器体系结构就不会是“聪明的计算机”的终极结
: 构。未来的寒武纪,也绝不会仅仅是人工神经网络处理器,而是需要更强大全面的能
: 力。我博士期间搞过SAT,看起来SAT是推理的一种基础核心方法。而SAT访存计算都不
: 规整,要做一个高效的SAT的体系结构非常困难。还有人认为,抄人脑结构可以实
: 现“聪明的计算机”。但在神经科学还有很多未解之谜的情况下,目前抄人脑脉冲神经
: 网络抄出来的东西,不说高级认知功能,简单的感知问题都达不到实用水平。
:
: 第三个疑惑是如何对“聪明的计算机”编程。事实上,这里面有一个触及根本性的科学
: 问题:智能的编程语言到底是什么?这是一个长期有争议的科学问题。现有来看,至少
: 有四种主要的编程方法。传统的祈求式编程,程序员需要显式地去指定计算机的每一步
: 应该干什么。这种方法显然和机器智能相去甚远,但是却是工业界的主流。逻辑式语言
: prolog是当年五代机的核心,适合推理。函数式语言LISP是60年代由人工智能大师麦卡
: 锡提出的,理论上有很强的表达能力。近年来人工神经网络的复兴,各种编程框架本质
: 上是描述人工神经元之间的连接关系和强度。从现有发展看,还不存在一个大一统的智
: 能编程语言。也许推理、学习、记忆、联想等等需要不同的编程语言,但这对程序员来
: 说太痛苦了。
:
: 想来想去,觉得这些疑惑,很多是我们做芯片做系统的人解决不了的。唉,没办法。
:
: --
发自「今日水木 on iPhone 7 Plus」
--
FROM 60.220.61.*
AI,也许改为模拟智能更好,只是模拟一些智能的表象而已
【 在 cyj 的大作中提到: 】
:
: 十年之前,我还是一个大水车,经常在csarch版上大放厥词,表示单纯的体系结构学术
: 研究没有什么空间。现在想想,那时真的是错得厉害,完全是无知者无畏。不过,正是
: 当时的无知者无畏,让我选择了跳出单纯的体系结构研究,逐渐转向了人工智能+体系
: 结构交叉学术研究的道路。
#发自zSMTH@V1911A
--
FROM 106.39.86.*
有个电脑专家跑到一个小学普及电脑知识。
有个三年级女孩问了专家一个问题:电脑为什么只能使用二进制?
电脑专家回答:你以为电脑很聪明?比如你们班有十个孩子站成一排,电脑只认识前面两个个子最小的同学,其他八个同学它是不认识的,而且是永远不认识。
女孩当然听懂了。不过现在这个观念要改变了。电脑必须要认识十个同学。
--
FROM 220.175.30.*
关键词是arn不是learn吧
【 在 siegfried415 (更号2) 的大作中提到: 】
:
: 我现在只有一个隐约的思路,就是引入一个反思Net(称之为Net'),Net’的输入包括 :1)若干个非反思的Net(包括这些非反思net的输入、以及训练好的net),以及 2)这些Net所对应的语义实体、以及语义实体之间的关系(或者叫做关系实体),比如“因果关系”就可以通过Learn大量标注为“因为...所以...”的网络的构建过程而被建立起来。
:
: 另外,我要吐槽下水木的敏感词,Learn的汉语竟然是敏感词,能不能改进下你们的算法啊? 能不能做点稍微智能的字符串匹配啊? 为了找到这个敏感词花了我好几分钟。
--
FROM 72.217.89.38
xuexi,你说呢?
【 在 chenpp 的大作中提到: 】
: 关键词是arn不是learn吧
--
FROM 175.164.7.*
从硬件角度恐怕没法解答“智能”问题,是不同层面的东西。
从工程上讲,目前DL主要解决的是感知问题,神经网络其实也就是强大的非线性拟合,远谈不上“智能”,DRL也正在研究,感觉能“表现”出智能,但比较僵化。也许目前开始发展的GNN有些希望,还得再看看。
长远上看,能自我学习的必须要解决“驱动力”问题,比如人类智能和社会发展其实都根植于基本的生物需求驱动,那么计算机智能的驱动力是什么?不做虚头巴脑的哲学探讨,假如是更多的电力,更多的数据,这种驱动力下会如何发展
【 在 cyj (1997,快些到吧,我就可以去科大了) 的大作中提到: 】
: 十年之前,我还是一个大水车,经常在csarch版上大放厥词,表示单纯的体系结构学术
: 研究没有什么空间。现在想想,那时真的是错得厉害,完全是无知者无畏。不过,正是
: 当时的无知者无畏,让我选择了跳出单纯的体系结构研究,逐渐转向了人工智能+体系
: ...................
--
FROM 120.244.156.*