江苏龙网

  1. 首页 > 生活 > >

现在大火的人工智能有没有大方向的错误

谢邀
虽然我也做CV，但其实我不做深度学习，只是部分了解，所以不能也不敢从专业人士的角度来逞论这样的话题。大方向的错误我也不知道有没有，某些小疑惑还是可以拿出来讨论下。
以下的纯当吹水，不对的地方欢迎讨论和求轻喷：
按照我目前粗鄙的见识而言，我觉得最大的问题在于数据。本质上深度学习还是机器学习的范畴，数据为王，再美妙再高深的模型恐怕也不能超越数据所设定的上限。人工智能，不光是智能，还有人工。
我觉得机器学习就是拿一个尽可能大的样本分布尝试去代替现实中的所有情况，然后去拟合出一个模型出来。但是问题是，对于某些可能很复杂的任务，我们从这些样本中训练出来的模型真的能够很好地对现实世界有我们想象中的很好的作用吗？还是说我们只是在一些数据集上的分刷的比较高而已？如果是这样的话，在这样的情况下哪怕是一个再好的模型，它真的就是我们想要的东西吗？毕竟现实世界是如此的复杂。
另外我自己本身也有某些疑惑。比如在最近也有不少的人在SLAM等领域尝试引入深度学习的方法，某些方法可以说是end-to-end的形式了，我输入图片等数据，出来就是pose，确实感觉很玄学。然而很多大牛反应这样的方法实际应用价值并不大（当然发论文是不错的），因为换一个场景就不见得行了。传统的SLAM本身是基于几何的有严密数学推导的领域，把这种端到端的深度学习方法就不见得像如faster-RCNN用到目标检测领域那样来的惊艳了。所以深度学习这种看起来相当黑盒的方法就一定会比传统的方法效果要好吗？深度学习在结合这样的一些领域的时候是不是更应该替换补充原有的框架会更合适？
当然我说的话某种程度上也有可能会被像阿法狗这样的东西打脸，毕竟阿法狗这种基于增强学习的方法给人类展示出了超乎想象的东西。
who knows？世事无绝对，这个世界本身就是在各种打脸与被打脸中曲折前进的。

不是什么大牛，只是一只硕士狗，欢迎讨论，不对的地方还请轻喷。

■网友
我个人是觉得，整个视觉领域发展的就莫名其妙。绝大多数识别都是建立在没有景深信息的2d图像上的。未来随着硬件性能的增长，现在的很多研究结果都会被快速取代。
■网友
1，ai分科研和商业。科研是多方向探索，和题主说的相近。商业和工业更多是低成本大批量复制。2，移动互联网的魔力在于，互联网的边际成本为0，移动的入口扩大了用户数。3，ai，也许是在用无穷的数据解决简单的问题，但他的成本更低啊，这是它的商业价值。另外，对于专业人士来说很简单的问题，对普通人来说可能就是难题，ai客服的价值在这里得到体现。
■网友
相比于人脑，现在的算法相当弱。虽然很多算法在我们的“意识”看来很复杂。现在基本都是基于大量的数据来分析概率，但你想，如果给一个人这样海量的数据，以及快速处理大量数据的能力，能得到的东西远比现在的电脑多得多。1、人的“意识”来决定算法，很难做到面面俱到，发展很缓慢。2、让人工智能自己可以改写自己，但是这样可控性就很低了，充满不确定性。如果没有“脑后插管”、“生物计算机”之类的黑科技爆发，就只有现在这样慢慢来，宁愿慢一点，也要避免人类被“out”的未来。
■网友
答主非专业人士啊，莫名被邀。真心不是很懂。在我这种非专业人士看来，算出来的都是"大数据"概念。只是带有有限博弈里的精准预测的大数据而已。想靠近"人"的概念，刨去语音识别人脸识别这些更不懂的技术，至少应该理解情绪，而这些知识应该基于心理学或者神经科学的底层科学的发展才行。如果真如题主所言，乌鸦式的似乎就相当于会通感，会模拟，会依靠雷同点做创造性推理。在题主这类外行来看，思路当然没错，但具体为何没走这条路，就不懂了。曾经基于好奇问过一位女技术达人，人家解释说，现在这一块貌似现在也是靠"算"的。所以真不大懂这些技术都是怎么玩的。


推荐阅读


上一篇：绿化|“有事好商量”让老百姓决定自己的事儿

下一篇：怎样更加系统的学习python