神经网络训练量的问题，早期的围棋AIbug更多，优势退让、征子问题、大龙的死活，越是长的大龙死活容易犯低级错误

人是依靠形状判断真眼假眼，AI靠的是神经网络，神经网络质量是依靠训练量

只要训练量够了，大部分问题都能解决

自动驾驶也一样，短期内不能完全取代人，只要能降低人的疲劳程度，弥补人的一些失误就是技术进步。程序是会有bug，但再有经验的司机也有犯错误的时候

再贵的车也代替不了人的双腿，爬楼梯还是要靠自己
--
FROM 123.120.14.*

你能用GAN对抗生成网络诱导狗出错，开发者就不能用GAN去强化训练吗？
现阶段由数据驱动的人工智能不都是这种特性吗？ 你反复用错误的方向去误导激励网络超错误的方向去决策，就跟人类通过填鸭教育把天才往犯罪的道路上诱导一样。
但是自动驾驶可不完全是人工智能，自动驾驶的底座是基于规则的，人工智能只是辅助决策条件之一。

【 在 keler 的大作中提到: 】
: 下围棋的都知道KataGo开源围棋项目是神一样的存在，不只是因为比人类顶尖强太多，更重要的是开放，不断进步。
: 但即便如此，它仍然存在稳定发生的弱点或者就叫Bug。
: 以人工智能为主干的自动驾驶同样如此
--
FROM 112.96.224.*