avatar
张首晟也开始搞深学了# Programming - 葵花宝典
h*e
1
美国境内F2转F1没有通过的话,会有什么影响?当时入境的F2签证已经过期了,还能继
续陪读吗?
avatar
l*o
2
说起我这个同事真让人是苦笑不得啊,用我们的话说他就是一个十足的逗逼。对于他做
出的种种事情我们都很无语,包括领导对他已经很无语了,但是他还是我行我素,对于
领导他也不放在眼里,没大没小,高傲,没有时间观念,邋遢等等这些不好的词用到他
身上在合适不过了。
大家可能都很好奇这将会是一个什么样的人,能够做到如此境地真的绝了。我想问问大
家如果晚上因为打游戏睡晚了,第二天你如果不去上班了,会不会给老板打个电话请个
假,相信很多人的做法都会打个电话,但是对于这个逗逼来说他不会。上次因为晚上打
游戏到第二天下午2点才上班,而且一个电话也不打。对于这种员工只能说太没素质了。
还有一次中午下了班之后出去在人家咖啡厅直接睡到下午3点,对此办公室的人都特别
佩服他,一般人根本做不出这种事情,但是对于他来说什么事情都能做出来。而且老板
说他这个不对那个不好,他还总是会顶嘴。如果现在不是公司缺人我觉得领导肯定二话
不说就把他开除了,因为这种员工根本就毫无纪律。
avatar
a*9
3
上来潜水几天,没看见LOVE,只看见HATE
avatar
h*c
4
新华社华盛顿6月26日电 经过约一个世纪的摸索和尝试,人类科学家才把化学史上
的伟大科学成就——元素周期表整理成当前的形式。现在,美国斯坦福大学的物理学家
们开发出一种人工智能程序,只用几个小时就“重新发现”了元素周期表。
“我们想知道人工智能是否‘智慧’到能独立发现元素周期表,”项目负责人、斯坦福
大学张首晟教授在一份新闻公报中说,“我们的团队证明了这一点。”
张首晟等人在新一期美国《国家科学院学报》上报告说,他们基于谷歌公司自然语言处
理技术开发出的人工智能程序Atom2Vec,能通过分析一个在线数据库中的多种
化合物,学会区分不同的原子,整个学习过程没有人类的干涉。
张首晟解释说,一个词语的特性可从它周围出现的其他单词得出。例如,单词“国王”
经常和“王后”出现在一起,而“男人”经常和“女人”出现在一起。他们把这个想法
应用到原子上,给人工智能程序输入已知的化合物名称,包括氯化钠、氯化钾和水等。
通过对这些化合物名称的分析,人工智能程序发现,钾和钠有着类似性质,都可以与卤
族元素结合成化合物。“就像‘国王’和‘王后’很类似一样,钾和钠也是类似的,”
张首晟说。
avatar
e*e
5
屌丝
avatar
o*n
6
他有一个ai公司
avatar
N*r
7

这人就是那种典型的学术之那啥

【在 h**c 的大作中提到】
: 新华社华盛顿6月26日电 经过约一个世纪的摸索和尝试,人类科学家才把化学史上
: 的伟大科学成就——元素周期表整理成当前的形式。现在,美国斯坦福大学的物理学家
: 们开发出一种人工智能程序,只用几个小时就“重新发现”了元素周期表。
: “我们想知道人工智能是否‘智慧’到能独立发现元素周期表,”项目负责人、斯坦福
: 大学张首晟教授在一份新闻公报中说,“我们的团队证明了这一点。”
: 张首晟等人在新一期美国《国家科学院学报》上报告说,他们基于谷歌公司自然语言处
: 理技术开发出的人工智能程序Atom2Vec,能通过分析一个在线数据库中的多种
: 化合物,学会区分不同的原子,整个学习过程没有人类的干涉。
: 张首晟解释说,一个词语的特性可从它周围出现的其他单词得出。例如,单词“国王”
: 经常和“王后”出现在一起,而“男人”经常和“女人”出现在一起。他们把这个想法

avatar
L*s
8
好多搞物理的转深学,人工智能,一夜之间成大数据专家
比如成电牛逼哄哄的周涛
avatar
N*r
9

深度学习本身就没啥东西好吧
说白了就是利用激活函数搞泰勒展开拟合
大一的数学

【在 L*****s 的大作中提到】
: 好多搞物理的转深学,人工智能,一夜之间成大数据专家
: 比如成电牛逼哄哄的周涛

avatar
g*t
10
数学不多不见得就不是学问。另外泰勒展开简单吗?多元函数的微积分简单吗?
这些基础的算符一旦上了规模,问题都很多。
例如我出一个最简单的问题,一个用泰勒展开表示的向量到向量的映射,写成文本文件
几十M, 写个能用的程序求逆。


: 深度学习本身就没啥东西好吧

: 说白了就是利用激活函数搞泰勒展开拟合

: 大一的数学



【在 N*****r 的大作中提到】
:
: 深度学习本身就没啥东西好吧
: 说白了就是利用激活函数搞泰勒展开拟合
: 大一的数学

avatar
s*n
11
太无聊了。PNAS经常有这种无聊文章,难怪地位很低。
就像这最后一个自然段说的,“钾和钠有着类似性质,都可以与卤族元素结合成化合物
。” 这不是废话么,这种简单的feature还用得着机器学习?几百年前门捷列夫手上没
几个化合物分子式就看出来了。你拿着巨型而且基本clean的数据库就看出这么几个玩
意儿也值得写篇论文?学期论文差不多。

【在 h**c 的大作中提到】
: 新华社华盛顿6月26日电 经过约一个世纪的摸索和尝试,人类科学家才把化学史上
: 的伟大科学成就——元素周期表整理成当前的形式。现在,美国斯坦福大学的物理学家
: 们开发出一种人工智能程序,只用几个小时就“重新发现”了元素周期表。
: “我们想知道人工智能是否‘智慧’到能独立发现元素周期表,”项目负责人、斯坦福
: 大学张首晟教授在一份新闻公报中说,“我们的团队证明了这一点。”
: 张首晟等人在新一期美国《国家科学院学报》上报告说,他们基于谷歌公司自然语言处
: 理技术开发出的人工智能程序Atom2Vec,能通过分析一个在线数据库中的多种
: 化合物,学会区分不同的原子,整个学习过程没有人类的干涉。
: 张首晟解释说,一个词语的特性可从它周围出现的其他单词得出。例如,单词“国王”
: 经常和“王后”出现在一起,而“男人”经常和“女人”出现在一起。他们把这个想法

avatar
l*o
12
这个深学总结门捷列夫周期表就是瞎扯淡。而阿尔法狗那篇nature上的文章是真牛。有
人按那篇文章所记,写了一个迷你狗。 Github.com/tensorflow/miniGo

【在 s***n 的大作中提到】
: 太无聊了。PNAS经常有这种无聊文章,难怪地位很低。
: 就像这最后一个自然段说的,“钾和钠有着类似性质,都可以与卤族元素结合成化合物
: 。” 这不是废话么,这种简单的feature还用得着机器学习?几百年前门捷列夫手上没
: 几个化合物分子式就看出来了。你拿着巨型而且基本clean的数据库就看出这么几个玩
: 意儿也值得写篇论文?学期论文差不多。

avatar
N*r
13

你说的这个情况,问题也不是深度学习的人解决的
深度学习的人也没这个本事解决这个问题
大规模的数值计算可行性稳定性的问题是有专门数值计算的人在搞, 请问深度学习的
人在里面有什么贡献? 顶多也就是拿来用一下结果
任何一个问题无限发挥的话都有你不会的时候 讨论数学归纳法最后你都能讨论到连续
统呢
问题是你具体干了些什么
深度学习目前也就是做了些泰勒展开拟合, 请问我说的有错吗, 莫非他们还干了什么
高大上的事情我不知道的?
拿这种说辞去堵人是很没意思的事情

【在 g****t 的大作中提到】
: 数学不多不见得就不是学问。另外泰勒展开简单吗?多元函数的微积分简单吗?
: 这些基础的算符一旦上了规模,问题都很多。
: 例如我出一个最简单的问题,一个用泰勒展开表示的向量到向量的映射,写成文本文件
: 几十M, 写个能用的程序求逆。
:
:
: 深度学习本身就没啥东西好吧
:
: 说白了就是利用激活函数搞泰勒展开拟合
:
: 大一的数学
:

avatar
s*n
14
阿尔法狗的第一篇文章确实方法论上有突破,我觉得最有意思的就是在RL里头结合了用
人类的专家下法进行监督学习。可是从后面的后续发展来看,最后一篇论文说了,其实
根本不需要在方法论上取捷径,硬件和软件优化之后,RL就搞定了。所以讲来讲去,其
实一力降十回。

【在 l*********o 的大作中提到】
: 这个深学总结门捷列夫周期表就是瞎扯淡。而阿尔法狗那篇nature上的文章是真牛。有
: 人按那篇文章所记,写了一个迷你狗。 Github.com/tensorflow/miniGo

avatar
s*e
15
大家都有ai公司
avatar
g*t
16
以前的原始的Q learning用的是look up table
Deep RL用的是neural network


: 阿尔法狗的第一篇文章确实方法论上有突破,我觉得最有意思的就是在RL里头结
合了用

: 人类的专家下法进行监督学习。可是从后面的后续发展来看,最后一篇论文说了
,其实

: 根本不需要在方法论上取捷径,硬件和软件优化之后,RL就搞定了。所以讲来讲
去,其

: 实一力降十回。



【在 s***n 的大作中提到】
: 阿尔法狗的第一篇文章确实方法论上有突破,我觉得最有意思的就是在RL里头结合了用
: 人类的专家下法进行监督学习。可是从后面的后续发展来看,最后一篇论文说了,其实
: 根本不需要在方法论上取捷径,硬件和软件优化之后,RL就搞定了。所以讲来讲去,其
: 实一力降十回。

avatar
S*w
17
他不是主搞区块链吗
avatar
s*n
18
既然是图形,肯定要用cnn的,事实上用look up table在围棋上也是table爆炸,比较
显然不适用。另外在谷歌在alphago前面发表那个游戏的研究论文里头已经是RL结合NN
了。这个改进是大家都能想到的,我感觉重要性不如RL结合监督学习这个创意高。

【在 g****t 的大作中提到】
: 以前的原始的Q learning用的是look up table
: Deep RL用的是neural network
:
:
: 阿尔法狗的第一篇文章确实方法论上有突破,我觉得最有意思的就是在RL里头结
: 合了用
:
: 人类的专家下法进行监督学习。可是从后面的后续发展来看,最后一篇论文说了
: ,其实
:
: 根本不需要在方法论上取捷径,硬件和软件优化之后,RL就搞定了。所以讲来讲
: 去,其
:
: 实一力降十回。

avatar
g*t
19
lookup table也就是RAM和ROM,按照地址寻找值。没有你想的那么简单。除了Intc
4004带来的人所熟知的微处理器架构。计算机可以是整个是RAM,ROM构成的。我说的不
是理论,是真实的机器。

NN

【在 s***n 的大作中提到】
: 既然是图形,肯定要用cnn的,事实上用look up table在围棋上也是table爆炸,比较
: 显然不适用。另外在谷歌在alphago前面发表那个游戏的研究论文里头已经是RL结合NN
: 了。这个改进是大家都能想到的,我感觉重要性不如RL结合监督学习这个创意高。

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。