※ 引述《arrenwu (柊真雪超级可爱)》之铭言：
: ※ 引述《praiseZun (praiseZun)》之铭言：
: : 近年来全世界就真的是这样阿
: : 推崇速食文化 反智风气
: : 你写个认真讨论文/分析文/专栏 发表认真的言论
: : 根本不会有人理你好吗？
: 我跟你讲喔，就算是在学界，那些信号处理或统计领域里面 ML 作理论吓吓叫的，
: 最近也有类似的感慨。
:
: 就是啊，这些人呢，可能发了篇 25 页以上满满是数学证明的paper，
: 这其中充满许多数学分析的智慧结晶，好不容易才证明一个结果，
: 结果引用次数却被一些短短10页只是提出新Neural Network应用架构的paper屌打，
: 而且人家也就只是 (1) 提出架构 (2) 跑个成果 ，看起来简直像乱兜的一样，
: 什～么～数学证明都没有，结果却被一堆人觉得好棒棒！
:
: 这些理论学者，就只能边感慨自己拿不到钱，边数落这风气真是糟
:
: 然后世界上有某一大群人，正为了那个新的NN架构而感到欣喜，因为效果真是棒！
补充一下
其实深度学习在应用上有一个很严重的问题
就是训练出来的模型人类很难去解读他
你可以兜一个神经网络在某个数据库上得到很高的准确率
却没办法说出这个网络他学到了什么，到底是根据那些规则来判断这些资料的
之前才有研究发现可以生出东西去骗过机器学习的AI
比如说把乌龟看成枪 https://youtu.be/YXy6oX1iNoA
因为不知道模型判断物体的规则，所以也很难去解释为何AI会犯这种错
在一些应用像是图像辨识、语音辨识，这可能不会是大问题
(反正用Google语音输入的时候他辨识错误就删掉重讲就好了)
在其他地方就会出事，像是自动驾驶
现在自驾车有一部分也是靠机器学习去侦测路上的各种物体
即使训练模型的时候可以拿一堆资料让训练出来的模型的准确率达到百分之百
不过应用上没有办法保证这些资料涵盖了现实中的所有情况
再加上训练出来的模型难以解读
你永远不知道他学到的规则会不会在某些时候凑巧把红灯看成绿灯
事实上，Tesla推出的自动驾驶技术，到目前还是瑕疵不断，会有误判的情形发生
可以参考以下文章
http://www.techug.com/post/self-driving-car.html
https://goo.gl/zYGgYa https://goo.gl/vCdSbk
(后两篇是英文，原作者把中文部落格关了，找不到备份QAQ)
所以现在深度学习研究上的问题在于
很多人是拼命兜模型冲准确率发一堆paper
而不重视到底这些模型背后究竟学到了什么
不管train出来的准确率再怎么高，应用上受限的问题还是没办法解决
: BTW 那个深度啊，其实呢，就很像一种东西
:
: 什么东西？ 太极大师的凌空劲
:
: 这种劲呢，看起来很屌，大师手隔空一甩，旁边远远一个人就飞出去。
: 但是这个凌空劲呢，只对大师的弟子或信徒有效，一般人感受不到。
刚好本人也略懂太极
讲一些凌空劲的东西好了
以下是凌空劲不专业教学：
首先，找一个人扮演大师
然后“被发劲的人”把全身绷紧 (不要完全僵住，留一些弹性)
当大师做出发劲的动作时，被发的人就配合将身体向后
这时因为被发的人身体绷住，就好像弹簧一样会压缩储存位能
所以压缩之后整个身体就会弹起来
多练几次弹的方向，就可以演得很像了
(个人经验，练了没效恕不负责)
重点是，这过程跟负责发劲的大师 完 全 没 有 关 系
我也不知道拿这个来示范功力的人到底在想什么...
(之前听过另一个版本的凌空劲
是人先跳起来，从空中将落下的位能势经由身体动作转成劲能一同发出
虽然不很明白，觉得实际操作起来应该会很帅XD)
推 benevolencer: 凌空劲的比喻有点棒, 如果打不到点, 所谓的深度在多 01/23 14:38
→ benevolencer: 也只是发劲跟喜欢的人能够感受的到 01/23 14:39
你拿凌空劲去比深度学习，全世界的研究者都要哭了
深度学习是真的能实际应用的...

原来是在说类神经那边的深度学习嘛QQ以为纯粹在讲对作品深度的理解欸不对 他回那篇很名显是在指作品深度==

快推免得别人觉得我看不懂

RL

非线性模型非组合性 人类理解不了 跟神作POP同理

只知其然 不知其所以然