这个我和你观点不太一样，我觉得基于目前的图灵机，神经网络这些我都没看出来能真正学会自然语言和自动驾驶。

一些特定情景下可以，比如处理写作非常规范的语言，或者固定场景（高速，矿区，码头）等。一旦涉及到模糊的含义，常识经验这些机器就很难学会。

平时我既要给娃喂训练材料教娃学习，又要给电脑喂数据教电脑学习，这时候对比一下机器学习和人类学习，会发现人类模糊学习能力还是很nb的，这么成千上万年进化不是吹的。有的例子很简单，给小娃看几张猫图片，以后它再看到没见过的猫都能认出这是猫。给电脑看了几千几万张猫狗图片，模型还能把我头像的白猫认成狗，也是醉了。还有小娃的语言能力，给它一定量输入，它会思考推导慢慢就掌握了一门语言，而计算机的自然语言处理，被誉为ai皇冠上的明珠，即使看过成千上万的文字，还是经常犯些让人笑掉大牙的错误。

人类大脑相比电脑，同样的学习能力耗能较少。这里面一定有什么目前的电脑神经网络还解决不了的神奇地方。

【 在 zszqzzzf 的大作中提到: 】
: 王垠当然是在吹牛逼。361！虽然是一个确定数，但是同时也是比宇宙原子总数还大得多的数。也必然超出了计算机可计算的范围。
: 所以需要优化，区区两个字优化，可以得千百个图灵奖。
:
: ....................

- 来自「最水木 for iPad13,8」
--
FROM 24.17.214.*