※ 引述《praiseZun (praiseZun)》之铭言：
: 现在的AI就是啊
: 深度学习爆红是十年前就开始了
: 但大家根本不知道为什么neural堆深一点就可以学习
: CNN出来时屌炸天，好像什么pattern都学的起来一样
: 然后你问研究者为什么图片和文字的data structure两者可以取得有类比性的成功
: 他会和你说我也不知道，甚至直接写在论文里那种
: 然后花了好几年时间trial and error，用结果反推为什么
: 这个研究方法不叫懂基本原理，的确比较像动漫那种黑科技知道能用就将就著应用而已
: 基础原理的理解完全跟不上
: 当然啦，我们知道nerual net可以趋近任意函数
: 我们也知道这个世界和高斯分布关系很深
: (高斯分布encode了最多的不确定性，同样大小的空间下高斯能纪录最多资讯)
: 但一样啊，这只是稍微justify我们用神经网络，还有每个未知的分布都先用高斯套或
高斯p
: rior套而已
: 然后他就work了
: 明明说因为天下没有白吃的午餐理论，任何一个算法都会被某一些分布的资料搞爆
: 但他就work了啊
: 著名学者像Andrew Ng在课堂上也就耸肩说看起来这世界对我们敌意没那么深
: .
: .
: 但是最近好像终于开始有些进展了，NTK之类的
: 满多是19年和今年的论文的，我还没跟上，懂得大大请体谅我的认知
: 我自己一路学来是觉得
: 这个领域就是雾里看花，但你学越多雾就越散
: 现有理论的不完整，我是觉得一部分是真的不完整
: 但其他一部分是大部分人，甚至可以讲非AI领域，贝氏统计领域，量子领域以外的对un
cert
: ainty(不确定性)都没什么认知
: 绝大多数人觉得世界就是0和1，不会去问threshold是什么背后的分布长啥
: 一旦接受了这世界就是建立在不确定性的基础上这设定后
: 很多事情就不会脑袋转不过来这样
: 要知道不一定要知道某一现象才叫懂
: 你知道你不懂什么不知道什么再能够去推论你懂什么
: 能做到这样就很近似你懂了，这样
:

桑妮雅内行哟 重要吗 能开固有时制御就好不讲一下蒙地卡罗吗?要peko选绝对是免疫学 讲师声音太刺耳就再也没上课了

ip正确

嗯对跟我想的一样

干杀小 我一个字都看不懂

亏我努力几乎全部写成中文了www

先推文不然以为别人觉得我看不懂==

脚踏车或飞机的例子还没有到时间是什么这问题的程度毕竟也不是再问为什么旋转的东西转轴有固定的倾向 只是有些细节没办法只用这原理说明

直接拿极端的例子讨论为什么问题不明确而已

你最重要的地方没有用中文我不知道他们对时间的理解是什

三个的确是不同层级的东西 所以才分行

快推以免被发现我看不懂

看不懂推，不过整个串满有趣的