模式匹配算不算“智能”呢？存疑。

比如说，会做加减乘除的计算器，算不算智能呢？应该不算吧。虽然会做加减乘除的小学生也算不上智能，只是知道或者不知道这套规则罢了。能应用这套规则解决其他问题才和智能沾边吧。

不过机器“脑容量”无上限、复制无成本是一个决定性优势。一个人只能精通一个领域，但机器可以精通所有领域。
- 来自 水木社区APP v3.5.5
【 在 allegro 的大作中提到: 】
: 对，AI有个巨大的好处就是不会死亡。
: 人类学习成本越来越高，高水平专家从出生到基础教育到博士结束，需要将近30年，可预期会越来越长。
: 知识传承效率对人类寿命提出挑战。而且一旦个体离世，经验归零。
:
: 另外openai最近出了个根据语言描述作画的AI，大家可以试试：https://openai.com/dall-e-2/
: 以后说不定游戏中各种人物动作，场景，建筑就都用这个了。
: --
: WEEP NOT FOR ROADS UNTRAVELED
:
--
FROM 203.145.94.*

光数据不够。  你到网上下载视频或者开一百个摄像头7×24也有很大的量。但是没人标注。
  
【 在 lvsoft (Lv(The Last Guardian)) 的大作中提到: 】
:  你这个说法不对。人的眼睛大致相当于1亿像素的摄像头，50mm焦段，帧率往少了说至少有10fps吧。
:  并且有2只，从生下来开始每天至少开机14个小时。
:  换算成数据量是多少？注意这可是不带压缩的哦。
:  
--
FROM 73.93.166.*

另外alphafold2大概是2020年的事情了，反射弧有点长
【 在 hgoldfish 的大作中提到: 】
: 人工智能让研究人员能检查当今科学仪器产生的大量数据，改变了科学实践。使用深度学习，可以从数据本身中学习，在数据的海洋中大海捞针。人工智能正在推动基因搜索、药学、药物设计和化合物合成的发展。为了从新数据中提取信息，深度学习要使用算法，算法通常是在海量数据上训练出来的神经网络。按照其分步说明，它与传统计算有很大的不同。它从数据中学习。深度学习没有传统计算编程那么透明，这留下了一个悬而未决的重要问题：系统学到了什么，它知道什么？五十年来，计算机科学家一直在试图解决蛋白质折叠问题，但没有成功。2016 年 Google 母公司 Alphabet 的人工智能子公司 DeepMind 推出了 AlphaFold 计划。利用蛋白质数据库作为训练集，该库中包含了超过 15 万种蛋白质的经验确定结构。不到五年的时间里，AlphaFold 就解决了蛋白质折叠问题，或者至少解决了其中最重要的方面：根据氨基酸序列识别蛋白质结构。AlphaFold 无法解释蛋白质是如何如此快速而精准地折叠的。这对人工智能来说是一次巨大的胜利，因为它不仅赢得了很高的科学声誉，而且是一项可能影响每个人生活的重大科学突破。
: https://www.solidot.org/story?sid=71933
--
FROM 114.222.223.*

这方向有二十年了。主流还是靠标注。  
  
【 在 lvsoft (Lv(The Last Guardian)) 的大作中提到: 】
:  现在ai届的主要方向是无监督或者弱监督。
:  认为ai非常依赖标注这个观点大概是6年前左右的事情了。
:  
:  【 在 ventana 的大作中提到: 】
--
FROM 73.93.166.*

傻缺，不是只有看书才是学习
你丢给你儿子1800本书。。。不能让他听到声音，不能看书之外的任何东西，不能触摸任何东西，，，
你看他成年有没有三岁智力


【 在 lokta 的大作中提到: 】
: 举个例子。
: 历史上存在狼孩事件。
: 如果按你的说法，无时无刻不在接受信息对神经进行训练，那么为什么狼孩的智力跟正常人类社会的小孩智力差距那么大？那说明无时无刻接受的信息不见得对训练是有效的。这些信息对智力贡献很小。每天接触到的信息就是打猎，吃饭，睡觉，抢地盘。日复一日的重复等于是把有限的训练集拿来反复训练。数据量打，信息质量差。
: ...................
--
修改:bn95 FROM 111.48.134.*
FROM 111.48.134.*