拿一个失败例子说AI是骗局也太武断了
你现在能跟Siri讲话 Email信箱会自动挡垃圾信
手机相机会自动找人脸 都不是骗局啊
"如果是人的话 多多少少会受到惊吓而减速"
但人在这么短短一秒内 能不能在撞上去之前踩煞车也有争议
"若test pattern没打到这个快撞到鬼corner case 早就撞上去了"
但现实生活中很多机器学习应用 都没把你个人行为特别训练进去
另外深度强化学习只是机器学习的一个分支
说深度强化学习不成功也不代表机器学习不成功
科技发展的过程本来就会有牺牲者
当然谁都不愿意被牺牲 能尽量避免牺牲最好
但如果这科技最终能给大家好处
(例如因为路上全部都是自动驾驶 减少车祸率与交通时间)
长远来说继续发展还是比较好
※ 引述《sunsamy ()》之铭言：
: 影／Uber自驾车撞死人画面曝光 当下完全没减速
: https://goo.gl/URDpTu
: 新闻的影片如上
: 如果是人的话
: 多多少少会受到惊吓而减速
: 快撞到人的反应
: https://www.youtube.com/watch?v=WGFeOliT6xw#t=23s
: 快撞到鬼的反应
: https://www.youtube.com/watch?v=GdCXoAo3tUQ#t=28s
: 所以目前人工智能仍是curve fitting的产物
: 不curve fitting的话泛化能力也不够
: 所以当然做不出会思考的强人工智能
: 人要撞到人与鬼之前都会受惊吓而减速或转弯
: 是人工智能，若test pattern没打到这个快撞到鬼corner case
: 早就撞上去了
: 所以我才说是骗局
: 各位看倌们，自已判断吧
: 至于其它人怎么说呢？如下
: ==========================================
: 深度强化学习被成堆的炒作包围着
: 当别人问我强化学习能否解决他们的问题时，至少有70%
: 的时候我的回答是：不能。
: 深度强化学习是最接近于通用人工智能（AGI）的范式之一
: 不幸的是，它目前还不能真正地奏效。
: 人们认为波士顿动力的机器人使用了强化学习，
: 但是实际上并没有
: 换言之，他们绝大多数情况使用的是经典的机器人技术。
: 如果你仅仅关心最终的性能
: 那么很多问题都能够通过其他方法更好地解决
: 即使当深度强化学习成功的时候，它也有可能仅仅是
: 过拟合了环境中的某些奇怪的模式
: 即使忽略了泛化问题，
: 最终的结果也可能是不稳定的和难以复现的
: 次有人问我强化学习能否解决他们的问题，
: 我还是要告诉他们，不行，不行。
: https://goo.gl/LCGfQt
: ※ 引述《taxuan ()》之铭言：
: : 自驾车发生首宗撞死人事故 芯片股大跌
: : 全自驾车发生首宗撞人致死的交通事故，优步（Uber）一辆自驾车周日晚上在亚利桑纳州撞到一名妇女，经送医后宣告不治。这桩自驾车开发商最害怕的悲剧，正巧发生在美国业者敦促国会通过开放自驾车的立法的敏感时刻，近来走高的芯片股应声大跌。
: : 上周五，Uber和Alphabet旗下的Waymo联名致函参议员，敦促国会“在未几周内”通过自驾车立法。
: : 原国家运输安全委员会主席 Mark Rosenker表示 ，社会大众不应对Uber肇事过度反应。他提出美国每年因道路事故死亡者将近4万人。
: : 代表芯片类和芯片设备股的费城半导体指数周一大跌近2%，半导体股近来表现出色，即因人工智能和自驾车前景看好。
: : 辉达（Nvidia）大跌5.2%，辉达是Uber的合作伙伴，替robotaxis提供自驾车硬件。博通（Broadcom）和高通（Qualcomm）各跌3.9%和3.7%。
: : https://udn.com/news/story/6811/3040651