这是一个创建于 2306 天前的主题，其中的信息可能已经有所发展或是发生改变。
http://www.yinwang.org/blo-cn/2019/09/14/machine-vs-human
这三篇读起来挺有意思。不过自己不是专业的，不懂 AI，不好多评论。转发到 V2 与大家分享。
这三篇读起来挺有意思。不过自己不是专业的，不懂 AI，不好多评论。转发到 V2 与大家分享。
 | 1 xenme 2019 年 10 月 2 日 via iPhone 其实还是没搞清楚人脑是怎么工作的。 如果研究清楚了，那么离用机器实现也不远了 |
 | 2 GaoGeYang 2019 年 10 月 2 日 现阶段的机器学习说白了就是寻找一个函数，但是现在连为什么这个“函数”可以获取结果都不知道，完全是黑盒子。 |
 | 3 Kagari 2019 年 10 月 2 日 via Android 以前还是要搞搞形式化验证的 |
 | 4 ffeii 2019 年 10 月 2 日 via iPhone 大脑全息，能习得； AI 能习得，可称为人。 |
 | 5 shm7 2019 年 10 月 3 日 via iPhone 真是一篇狗屁不通的文章，视觉能力就在识别和理解这两方面么？狗能吃翔和火腿肠，不代表狗的食物只有这两样吧。 一楼还是讲了一点常识的，人脑机理还是尚待发掘的，你拿一个自己搞不清的和一个没经过详尽研究的东西相对比，搞啥？ |
| 6 shm7 2019 年 10 月 3 日 via iPhone @GaoGeYang 您看看您说了什么吧？！拟合一个函数，不拿语言、图像这些抽象的，就拿一些销售量之类的数值预测来说。通过有效的历史数据，假如能拟合出一定的函数，说明未来一定时间节点的销售量。这是机器学习的事情。分析销售为啥变高变低这是基础统计机器学习的任务么？这是人拿到结果后进行的统计分析 EDA 吧？！ |
 | 7 lunafreya 2019 年 10 月 3 日 via iPhone 文章里有不少基本的 claim 都是错的. 比如从 2D 图像 capture 3D 拓扑， 现在是可以做到的 |
 | 8 cookey39 2019 年 10 月 3 日 via Android ML 民科化不可避 |
 | 9 Ley OP @shm7 能否像楼下那位朋友一样具体指出文章里的明显错误，然后简单提示一下正确的说法应该如何？ 说实话我作为一个外行，读了文章还觉得有几分道理，但我完全无法判断自己读到的是不是正确的内容，或者说有哪些是不正确的 |
 | 10 CaesarEX 2019 年 10 月 3 日 我给个建议，人脑的运行机制我觉得没百八十年研究不出来 但是如果做个极度复杂的算法，把所有部分的功能结合起来 就能稍微模拟一下吧 |
Select Language