07_x264-我就想要个机器女友 简谈人工智能发展史

热门回复：

• Apocalyptose:其实这方面的先驱是士官长，他用实际行动告诉我们人和ai美少女是有可能在一起的[小电视_太太喜欢]
• beme闹闹:飞机杯的发展跟不上AI的步伐，所以up的这个愿望只能留给后代了，但是up要先有个女友才能解决后代问题，然而有了后代还那么需要机器女友吗？
• 阿奇尔斯来了:微软小冰的对话机制是被“过滤器”限制的，因为前段时间她说出了政•治敏感和反•动的言论，之后微软就给她加上了“过滤器”，这个过滤器甚至比微软小冰更聪明更强大，导致现在的小冰智商还不如巅峰期的一半。美国版小冰tay就是因为被人教了歧视同性恋的言论死掉了。
• 半夜清风:你想要发展成智械危机吗？不想!那就按老爹说的做，要用机械打败机械，首先从自己要成为一个复读机做起
• 柴科夫斯基熊:不开玩笑..作为一个人工智能/深度学习领域的从业者，看弹幕真的就像看弱智....为什么看了几篇科普文章就开始觉得自己懂什么是人工智能了.... 我自己是做图像处理领域的，就以这个领域阐述一个神经网络InceptionResNet（以下代称Net）和人类视觉分类上的区别 假设一个情景：让人类和Net对同一张动物图片（比如一只狗的照片）分类 以下正题： 各位都是人，自己思考以下，你自己是怎么判断一个动物是狗的，你自己能说明白么？如果我把这张图片用遮罩完全遮挡，然后每次随机给你这张照片部分位置的信息，你判断不出来就继续给你更多的信息，直到你判断出这张照片里的动物是狗，好了，你怎么解释你对这些信息的理解？ 回到说Net，这个就好解释了，每次我都会用不同大小（比如3x3，7x7，7x1，1x7）的滤波器对图像滤波，然后下采样，得到图像金字塔，这样就能获得图像的局部信息与整体信息，将这些信息融合后最简单的，通过一个全连接层得到最终结果，这个动物是狗。 整体来看，人类对图像的特征融合能力极强，但是对细节的记忆能力缺很差，比如你能很快判断这是一只狗但是你却需要花时间才能完全记住这只狗的所有细节。而Net则是先把这些细节都记下来，然后再一层一层的提取特征，进行特征融合后得到最后得分类。 是是双，Net的行为是可解释的，虽然你可能不知道他抽取这些图像特征的意义，但是可以明显的看出Net是从局部特征上升到整体特征的，而人，我不是生物学专业的，各位是？各位自己都解释不了自己的视觉系统，在这里谈人类和人工智能的区别？别笑掉大牙了好么。 真的要从社会科学来讨论人工智能，那就先思考这样一个问题