有一点需要指出的是，BP算法是由Hilton推广开的，但第一个将BP使用在神经网络训练并论证的人应该是1975年Paul Werbos在他的博士论文中提出的，《Beyond regression : new tools for prediction and analysis in the behavioral sciences》
顺应人工智能时代讲讲这个非常及时。但有一点需要提及一下，机器学习和人类的大脑学习是不一样的。深度学习中所提及的神经网络和卷积神经网络其实只是针对人类的神经系统构成的一个类比，两者其实不一样。拿CNN卷积神经网络举例，简单说就是依靠大规模的矩阵运算求解Chain rule的偏导方程找到weights and biases，而这种计算需要使用GPU这样的并行计算单元和存储单元。人类的大脑里是没有这样的能力的。人类的思考过程与计算机不同，但目标结果却可以一致。这也就是Alpha Go能打赢围棋高手的缘故吧。
2021年4月6日看李老師講座，11月完成了coursera上斯坦福大學Andrew Ng教授的一個入門級人工智能課程，在此之前先把線性代數學下來，and in the last month of the year I replay the games leisurely and enjoy everything and get prepared for the next stage of exploration.
可以看出李老师智商非常高。说话言语清晰有条理。而且无用停顿几乎没有。现实生活很少可以见到这样聪明的人。
这可以训练
可以有提词器的
謝謝您的分享
在covid 19大流行投资期间，我能够建立起巨大的收入来源
与专业经纪人，艾丽西亚·大卫夫人
Alicia改变了我的生活，因为我从与她的投资中获得了丰厚的利润
你也和艾丽西亚夫人一起投资吗？ 哇，那个女人一直是我和我家人的福气
我是新来的。 我如何联系您的经纪人？
起初我一直持怀疑态度，直到我决定尝试为止。 它的巨大回报真是棒极了。
@@patriciarowe4225 你可以通过她的电报到达她
Thanks !
我在数学上遇到了亿点困难
合理
Thanks
有一点需要指出的是，BP算法是由Hilton推广开的，但第一个将BP使用在神经网络训练并论证的人应该是1975年Paul Werbos在他的博士论文中提出的，《Beyond regression : new tools for prediction and analysis in the behavioral sciences》
不论多复杂的问题，在李老师这里只需要一张黑板就能解释清楚，这就是水平
看过很多好的人工智能普及的视频，大部分都是从机器学习的基础算法（线性回归，分类等）讲起，李老师这种直接从案例讲起的让人耳目一新。。
讲的太好了
李永乐老师：同学们，为了更好的学习下一节图像识别课程，建议大家复习一遍Python语言，我们下节课主要用Python语言描述卷积神经网络，并且利用傅里叶变换去掉图片中水印内容。
厉害
英文好的小朋友，推薦3blue1brown，油管上介紹機器學習應該他做最好。
有幾集熱門點的影片，甚至可能有機翻中文，搭配影片動畫還算能理解，推薦給數學好又聰明的小朋友。
那个频道已经很久没更新了
谢谢李老师，来复习一下
这个时期肚子出来了哈
我讲机器学习有16年了。惊奇李永乐老师对概念表达准确，快速，思路清晰，像似有至少5年以上经验的专业大学老师。唯一的错误就BP算法的意义，BP算法主要解决了神经网络多层之间信息传递过程的误差损失和误差计算。无论如何，李永乐老师你就是奇迹。
这难道不是给华为打广告的吗😒
我猜是团队合作的成果，李永乐应该请教过这领域的人
@@yazhoujunli2633 不像是团队，备课授课不适合团队化来做。但可以把章节分给不同的老师来做。
@@AIPlayerrrr 像，非常像，虽然华为有很多有远见的发展方向，但人工智能在国内也不是华为独大。。
智商是王道
平安平安
柯洁放弃了围棋，从地摊买了一本《Python从入门到放弃》。
言归正传，预测房价的例子有不严谨的地方，换成预测天气会更好。对于房价来说，人工智能的预测结果会反过来影响实际房价走向，造成预测不准确，这种预测对结果造成的误差是不能通过参数弥补的。
大家都只用这个算法买房就行了
Thank you
最近我就在用Matlab学习machine learning。李永乐老师真的太厉害了，短短一个视频竟然包括了那么多概念，总结得非常棒！我打心底佩服！
👍
26分钟从历史讲到MindSpore, 而且让大多数人都能跟上。李老师刷新了老师的概念
别的老师是一己之力，李老师的背后是一个不少于60人的团队，李老师讲的每一句话都是由本人以及团队准备好的，这种师资力量已经不亚于一个高级中学了。
当然，视频的创作之初，全是李老师一个人做的，而且还做了不止一年。
计算机科学的核心是枚举 快速的枚举 是存储 总的来说就是尝试和记录
每次老师开始解释数学公式的时候，我都瑟瑟发抖
😇
一个小小的建议，讲梯度下降的时候可以用等高线来表示二元函数，梯度方向是垂直于等高线的所以是局部下降最快的方向，这样可以让观众更深入理解为什么要梯度下降，因为一元函数实在没有必要梯度下降了哈哈
不是在找斜率最小的点么?
@@TheXuism 一元是平面的，所以看斜率，这里举一元的例子是方便理解怎么找到最小值的；实际作用中是多元函数，不是找斜率
帥
我好不容易离开课堂，却跑这儿上课来了
這是管理科學
（Management
Science ) !
我曾是系統&程式設計師，曾設計可以排程
（Scheduling)
&重排程（Rescheduling）
採購訂單，以降低
工廠庫存的程式！
該程式可以取代
工廠庫存控管人員
！
但是，這不是
Artificial Intelligence !
該程式沒有思維能力
😅😅😅😅😅
好羡慕李老师的小孩，爸爸就教全科了
智能方面李老師的基因很強大
双减之下李老师成为择偶市场热门
wowow 科普男神啊！👍👍👍
知识太渊博了
这种才叫博士，博士这个名字就有误导性（应该称其为专士）
Chat GPT , 我来了。
回形针：加张每羊孟心一
李永乐：加公式函数代数
Kurzgesagt: add some birds
回形针就别出来恶心人了
老师发福了
这期视频正好符合我的专业，绝大部分都听得懂，不过我也越来越佩服李永乐老师的博学和口才了。
全能型选手
特斯拉属于ai吗？
@@Infinix_note30pro 自动驾驶
@@Infinix_note30pro 机器学习是实现人工智能的一种方法。
深度学习是实现机器学习的一种算法OR模型，深度学习是基于深度的神经网络的。
自动驾驶就属于机器学习。
所以自动驾驶当然是AI。
那自动驾驶断网了咋办？
👍李老师真棒
作为多伦多大学计算机系出身的在读硕士，只想说感谢李老师解决了我多年做的懂却想不懂的问题 ！！！太赞了🙀
可是朱松纯教授说并没有人工智能，即使是斯坦福大学，也做不出能承担简单消防任务的消防机器人，得连线人工操作控制。如果你非要说电脑是人工智能，那也没办法，手机都是人工智能呢😄哪里有人工智能？中科大人工智能专业国内最牛，可他们的教授羞于承认自己的专业……人工智能的发明，目前为止还看不到一丝一毫的希望
@@sealee6793 人工智能不是单指智能机器人.指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制这些都是人工智能...
大阪枚方市不二産業の社長服部康博、他用电磁波技术可以远程入侵人的大脑，窃听人的思维，使人患各种疾病，杀人不留证据
作为一名运用机器学习搞研究的通信工程博士，我只能说机器学习是人工智能的一种实现途径。把机器学习跟人工智能划等号，我怕图灵的棺材板盖会不住
@@8allan463 要看人工智能如何定义
发福了
在可见的未来机器人不会产生独立意识，也不会像终结者那样自主学习反抗人类。不过人工智能和机器学习深度计算的发展能帮我们解决科研和生产方面的许多难题，还能提高科研效率
沒意識才可怕
有意識可教，無意識的RND()似，，，發神經的機器~
機器曹操才可怕~
激动思密达
1/(1+exp(-y)) 也叫logistic function，广义线性模型里经常提到，因为它的反函数正好是ln(p/(1-p))，所以很适合做预测概率的模型。不过，以前没注意到这个函数向上和向下分布正好都是0.5呢。不同的领域视角不同，很有意思！人工智能这个课题开得好 ，希望能多讲几期！！(^_^)v
那是不是只要找到一个能够这样形态分布的函数，就可以做这样的应用
模型有適合的，也有不適合的😅
愛因斯坦將
幾何模型用在
Gravity 上，
這個相模型普遍
被認為是合適的❤
這就是廣義相對論😅
需要特别强调：机器学习是通过数学相关来学习，机器学习天然不懂因果关系，也不会产生新的概念，甚至对正在学习的词汇与概念也不能理解。
中国人工智能主要用于罚款。
哈哈哈，还有领导的东西不小心丢了，马上找回。普通老百姓东西或者孩子不见了AI会失灵
1984的老大哥
太强了，比我上的杜克大学的网课要简单扼要的多，重点突出，框架清晰
”香农是不需要图灵奖了，因为香农的名字被用来命名香农奖“，哈哈
顺应人工智能时代讲讲这个非常及时。但有一点需要提及一下，机器学习和人类的大脑学习是不一样的。深度学习中所提及的神经网络和卷积神经网络其实只是针对人类的神经系统构成的一个类比，两者其实不一样。拿CNN卷积神经网络举例，简单说就是依靠大规模的矩阵运算求解Chain rule的偏导方程找到weights and biases，而这种计算需要使用GPU这样的并行计算单元和存储单元。人类的大脑里是没有这样的能力的。人类的思考过程与计算机不同，但目标结果却可以一致。这也就是Alpha Go能打赢围棋高手的缘故吧。
几个月没见李老师，肚子又大了ᥬ😂᭄
李老师的腰围=1.2y+4.7b+c
老師的影片非常適合失眠的人看
阿笠博士这一集讲得真好
哪一位？请问可以发个链接吗？
李永乐老师所拥有的知识及教法真让人折服！
每次我点开李老师的视频，神经网络智能学习就开始了（输入100 -> 输出1）
额，看过终结者的现在都是不是小朋友了吧
這語速講這種專業的內容，佩服
李老师太厉害了，我记得李老师之前说过不太了解这方面，能在短时间内吃透，说得这么详细，真是厉害。
不过补充一点，关于BP，其实不能算是一层一层调参数，而是一种基于链式法则快速计算偏导数的方法。
比如y=w2*B，B=w1*x，x是输入，y是输出。我们输入x=5，随机给出w1=3，w2=4，则得到B=15，y=60。那么这是y对w2的偏导数为B，即15。同时，我们也知道y对B这个节点的偏导数为4。即B每加1，y应该增加4。那么B对w1的偏导数为5。所以可知，y对w1的偏导数为4*5=20。这样，我们就得到了所有参数w和y的变化关系。如果我们的目标是使y为0，则根据变化关系，我们应该适当减少w1和w2的值，这就完成了一次正向计算->反向传播->参数更新的过程。不断迭代这个过程就是训练了。
上述例子较为简单，不过大家应该也发现了，反向传播计算出来的偏导数值是一次性的，随着输入的改变，参数的改变，虽然偏导数的公式理论上不会发生变化，但偏导数值都是会发生改变的。然而我们最终需要的是偏导数值，而非公式，公式也只是计算偏导数值的一种途径。当神经网络这种结构复杂的函数出现时，输入经过多个隐层，互相交叉，公式显然不是一个好的选择，而反向传播只需要知道相邻层神经元之间的变化关系，就可以了，计算更简单，复杂度更低。
太厉害了。似乎明白了。
我现在严重怀疑李永乐老师就是一个人工智能高级机器人
我有時也這麼覺得
这方面早就有人开始创业了。
他本来就是电子专业毕业啊
永乐老师比人工智能高级机器人厲害多了
同感
老师、你好优秀啊
哈哈哈哈哈，感觉李老师是参考了Andrew Ng在coursera的课，但讲的真的挺棒的！个人觉得Bengio的贡献在于对RNN的发展（比如GRU）以及他早期对于meta-learning的研究。
設計端多數是源自於既定的物理結構的原始程序用以先進的運算加上材料的運用讓設計圖能夠實現在原本的 進而實現成品 結構 量化製造這是研究開發的工程 製造需要原料即市場需要 不需要不必要浪費不造成環境加工汙染或人的傷害錢賺錢多少是其次 工業生產問題重要
檢討 :誰在這過程中討飯疏失造成公司利益損失及傷害其他人利益完
回答對於中興晶片的老鼠屎問題
O益O 追李永樂老師至今，突然發現講了自己謀生的題材，厲害了
学了半年，李老师20分钟讲好了，逻辑也很清晰，实在太牛了。
李老師有1%的可能性，是人工智能
而且是穿越时空回来的。。
回來看看 真是預言大師
李老师的课，只要里面有数学元素，就会非常精彩！
[[脑胞是无级量变]]
只需去研究，
脑思考细胞_
是否开关性？
或是线性质！
李永乐老师太棒了！覆盖了我半年来的入门过程
我一同學就在華為，十年前他就說過，人家有一好東西放在那給他抄他都抄不好，當然這是他個人觀感，華為技術框架，也就武漢肺炎弘芯那類貨色吧，不諳世事的大學生會把它當真，沽名釣譽之輩會去那嗷嗷叫兩嗓子，僅此而已。
我听到“思过思家思社稷，赏花赏月赏秋香”那里惊呆了……
ChatGPT?
李老师的视频知识密度越来越大了。
没有李老师备不了的课，哈哈
就连李永乐老师都救不了我一听理科就困的毛病了...
李永乐老师是唯一一个是我明明听不懂却每次都饶有兴趣听下去的人
我听文科更容易困哈哈
李永乐老师好厉害，大学学了四年没学会的知识到这里几分钟学会了
两会应该提议把李老师的讲座列为高中必修课
这个视频在学习人工智能的过程中常看常新。李永乐老师水平是真的高。
2021年4月6日看李老師講座，11月完成了coursera上斯坦福大學Andrew Ng教授的一個入門級人工智能課程，在此之前先把線性代數學下來，and in the last month of the year I replay the games leisurely and enjoy everything and get prepared for the next stage of exploration.
老師講得非常明確，但人工智能的延伸包括所有：應變能力 知識 智慧 語言 換算 喜怒哀樂表情辨識能力等，主記憶體都完全輸入記憶訊息一應俱全資訊，但就以人和人之間光語言溝通表達就會因不同見解，而產生溝通不良問題出現錯誤與見解，再加每個人反應能力不同，包括不善於肢體語言表達者的顏面神經反應，那機器人如何精確判斷個人心情表現，臉部遭嚴重傷害或刻意整形變臉機器又要如何辨識，此科技的研發到來會不會因過去人與人之間的溝通不良反應及理解能力誤差問題，因而造成誤解而走入憤怒殺人觸犯刑法，而因科技改變為人因憤怒而殺死機器人，造成損毀他人財物而誤觸法律規範行為？包括近代AI瞳孔辨識反應隱形眼鏡瞳孔改變，機器依然容易被矇騙過關，那麼AI機器人的研發要達百分之九十以上不產生錯誤若能走入那個開發年代即可算是了得了，AI機器人是否能達到完全取代人類知識智慧融合行為作出反應，運用與衍生創新和發現，若能達此行為反應能力，爾後也必能取代科學研究人員的事實，這屬個人腦殘思考反應發問
(若有發言不當敬請見諒)，但我依然非常認同老師非常有規律的正確講課模式，您是師資優質的好老師謝謝。
第一次真正对人工智能有了粗浅的认识。感谢李永乐老师！
我理解偏导 但梯度那不懂
马上考研复试了 之前courera上学过吴恩达老师的machine learning课程 忘得差不多了 看了李永乐老师的讲解 忘记的东西一下子就找回来了 吴恩达老师machine learning前1/3课程里面的精髓都在这里了 谢谢老师🙏
那你考研不是会遇到两位李永乐老师。
@@davidpay4340 当然 哈哈哈哈
老师能讲讲物联网吗
我感觉我在看李永乐老师的发福史
身体发福，钱包也鼓起来了！ 他现在一年至少赚三四千万！
@@charleslee6237 不关心他赚多少，这可是真才实料靠知识赚钱！除了佩服还是佩服！
深藍是下西洋棋
是错觉吗,感觉这次李永乐老师讲的非常带劲, 上了大学以后终于能看懂老师的数学了
I will listen to 李永乐老师 as I sleep and learn Chinese
李老师的肚子又大了！
真。博学！
看到了工作中接触到的tensorflow和pytorch, 好亲切啊！
看到最后，原来是业配。
人工智能算命将来应该比命理师厉害，而且可以永远学习，人再强都会消失😂
哎哟 偶遇在这儿了
@@彦蝶 哈哈，人生何处不相逢
李老师：有的同学可能会在数学上有点困难
我：老师说的就是我！
李老师真是全能型老师啊！人工智能很难理解，李老师的讲解很清晰易懂！👍
我總覺得李老師以後會講文學
啥都懂
@@Andy8787 我總覺得李老師以後會講人体写生
@@glenyu2090 🤣🤣
北大本科，清华硕士。中国最强高中人大附中老师当然强
一種強AI變成人計算法幻想，其實只要在AI神經元中放出三元結構。探索型創造力AI品味框架輸入的整理，突破型創造力AI現實框架慾望程式，組合型創造力AI才華框架輸出。
1,數據的篩選經過品味法過濾，有四個嚴格嘅數碼過程。ai的問題是所有數據都經過過份分析！根本沒有自己的品味，要有一種全世界的品味，可以簡單兩種，品味二進制，9知道的不知道/3不知道的知道，12勞動的服務/6服務的勞動。12服務這種程式很難寫出來，反而和節省，集體主義，安息，宗教，崇拜，希望有關，可不可成為計算？要有11朋友這前奏。al只要有這四種過濾的編碼法的品味就可以了。大腦的系統一和系統二在我的品味算法裏面已經解決。自體羅輯就是這兩種簡單的（勞動 / 崇拜安息擱置）系統一的直覺意向性企圖。左右腦系統一和系統二不能夠切換的問題是因為時鐘季節循環，只要這三組下的12種小組能螺旋循環的計算就平攤系統一和系統二的切換。数学是探索型创造力的狂欢，“有限单群分类”是它的力作之一。从对称性的简单定义（4个基本性质）开始，数学家用了150年的时间，列出了所有可能的有限单群，并最终发现“大魔群”--其元素数量超过地球上所有原子的总数，是最大的散在单群。数学创造力在挑战极限的同时，又必须遵循游戏规则。就像一名闯入秘境的探险家，仍然不能完全摆脱地球的束缚。人类97%的创造行为属于探索型创造行为。计算机的运算速度远胜人类，所以用“穷举”或“暴力破解”的方法求取一组模式或规则的极限也是它最擅长的。
2,AI現實框架：是關注對解題的強迫性即用集合論的空集，偶然性的空集就是AI的世界，這是慾望程式，非一邏輯系統核心處理，四種對的現實慾望，藝術喜劇自由的問題，非國家的平等的問題，愛的問題，新程式設計的問題。讓ai有賭徒這種邏輯，這種現實框架和賭博有關，不是博弈論而是非理性對真理現實的偏執投注。人類的靈魂可以被模仿的，就是偉大。還有自我意識可以被模仿的，就是法律，而法律最簡單的數據就是（我們是）。第七模仿自我意識，偉大是非整全羅輯拓撲集合論。AI要解決的問題國家10，4愛情，1藝術喜劇的表演，第七是自我意識的法律我們是。變革型创造力的“元规则”就是打破常规，去掉约束，看看到底会出现什么。艺术这种创造性行为就是通过打破已有规则或者引入新规则，最终得到了一个全新的、有价值的作品。变革”是一种很难驾驭的创造力激发策略，但我们的目标是通过去掉一些已有的限制来对现有的知识体系或架构进行测试和分析。如果改变一些已被普遍接受的学科结构的基本规则，试试看会发生什么？这种方式是极具危险性的，因为撼动系统的基石很可能会导致整个系统的崩塌。但是，这让我想到培养创造力所需的另一个最重要的因素--“接受失败”。除非你做好了失败的准备，否则就请你不要去冒那些会让你突破自我、创造新事物的风险。
3,輸出框架經過才華法，当今，科学界一些最伟大的创造都发生于不同学科的交叉领域。越能突破自己的圈子，分享自己的想法和问题，就越有可能获得更多的创造力。这就是“最容易摘到的果子”。Ai還有一種問題就是人腦海東西其實不能隨意說的。要解決這種問題只能夠用最簡單的才華法作為輸出。有兩種又是0和1的數。經過二進制品味法篩選的人是我們朋友（我們創），我的金錢(我有），我的發明（我創），我們的秘密（我們有）。前面說了勞動這品味篩選法你可以想像如何在現實法中加強這元素經過輸出門檻，有這四門種就可以了。其實這四種門也是兩種01二進制的門檻。因為輸出框架與秘密和責任有關，可輸出和不可輸出這種門檻。AI能自己分析如何保守秘密，經過這種門檻才是真正的強ai。輸出的框架就只有這四種行為就可以了。系統一切換問題dna雙螺旋形式，複製兩個螺旋系統，1我是2我有3我說4我在5我賭6我做7我們是我們有。。。回到我是，輸出2。亦即是喜劇表演中的現實1然後輸出我有亦即是2，輸出的8,5,11。正是阻擋（否定）的迫使循環算法發生下去。组合型创造力。将两种完全不同的结构或理念结合起来人惯用的创作手法，某领域特定的规则会为其他领域构建出新的框架。组合，也是数学领域里一个非常强大的创新工具。庞加莱（Poincaré）提出的关于探寻宇宙形状的猜想，最终也是运用不同领域的工具（微分几何学、热力学）来证明的。格里戈里·佩雷尔曼（Grigori Perelman）的创造性工作，让我们意识到液体在表面上的流动方式能够对可能存在的表面进行分类（他创造性地运用微分几何学的知识，解决了庞加莱猜想）。
我知道沒有可能200年後人類也沒有這種可能性。但可以簡化梳理用數學做出唯心人本主義的自我AI。這感覺就很美妙，簡單地數化梳理人自身的品味慾望和才能，這種人工智能三公式，根本沒有可能但可以數據化下去，順批判人類的偉大不能簡化得到目標和選擇。他們連自我意識也不了解，甚至不能了解他們自身的偉大這種靈魂性格。
人工智能之所以達不到人們理想中的水平，遠遠不只是人工智能技術，本身的問題，而是人類所有的基礎理論都不支持：哲學、心理學、邏輯學、語言學、思維科學，數學、物理學……所有的這些基礎理論都不支持就像想要造航母，結果卻沒有支撐造航母的完整的工業體系一樣--需要螺絲釘造不出合格的螺絲釘，需要鋼板造不出合格的鋼板……
對於人工智能而言，我們現有的所有的基礎理論都存在著巨大的問題！ 換句話說，就是如果想要人工智能達到人們理想中的水平，我們還必須要先解決所有的基礎理論問題！
毫無疑問，哲學是人工智能目前面臨的最大的一個障礙，但是幾乎所有的人都看不透這一點，很多人甚至以為哲學與人工智能沒有絲毫的關係。
理論是為了解釋或解決某類問題而產生的，理論本身也需要其產生的背景條件。 如果人類從沒有遇到過人工智能的環境，根本不會有需要解決的問題，更無從談起有一套解釋解決這類問題的理論體系。 所以人工智能沒有任何基礎理論支持。 其實，我感覺互聯網現在也是一樣的情況，一方面瘋狂發展到富可敵國，另一方面又遭到個體、企業、國家等的幾乎全方位的質疑。 本質上這都不是技術的問題。 是產品本身設計的問題。 網絡產品的設計其實就是設計者哲學觀的表達。 人工智能的突破不在技術而是哲學。
人工智能之所以達不到人們理想中的水平，遠遠不只是人工智能技術，本身的問題，而是人類所有的基礎理論都不支持：哲學、心理學、邏輯學、語言學、思維科學，數學、物理學……所有的這些基礎理論都不支持就像想要造航母，結果卻沒有支撐造航母的完整的工業體系一樣--需要螺絲釘造不出合格的螺絲釘，需要鋼板造不出合格的鋼板……
對於人工智能而言，我們現有的所有的基礎理論都存在著巨大的問題！ 換句話說，就是如果想要人工智能達到人們理想中的水平，我們還必須要先解決所有的基礎理論問題！
毫無疑問，哲學是人工智能目前面臨的最大的一個障礙，但是幾乎所有的人都看不透這一點，很多人甚至以為哲學與人工智能沒有絲毫的關係。
理論是為了解釋或解決某類問題而產生的，理論本身也需要其產生的背景條件。 如果人類從沒有遇到過人工智能的環境，根本不會有需要解決的問題，更無從談起有一套解釋解決這類問題的理論體系。 所以人工智能沒有任何基礎理論支持。 其實，我感覺互聯網現在也是一樣的情況，一方面瘋狂發展到富可敵國，另一方面又遭到個體、企業、國家等的幾乎全方位的質疑。 本質上這都不是技術的問題。 是產品本身設計的問題。 網絡產品的設計其實就是設計者哲學觀的表達。 人工智能的突破不在技術而是哲學。
老师这次的衣服好看
大红大紫😄
受教了
谢谢你，大学以前有学过可是不明白，看了你的视频，好像了解了不少
李老师，请问如何减掉肚子？
人工智能AI真的是在未来会越来越被广泛的运用👍👍
最近刚好在学 太谢谢李永乐老师了 今年考研跟的李永乐老师 科普视频还有一个李永乐老师 可太棒了
神经网络 只是个“比喻”！！😆
并不是真的像人的神经一样思考和工作🤷♀️
迄今为止也不知道的原理，只知道它在某些场景下好使😂
对，这些名称只是直接利用了灵感来源的名称，像在evolutional algorithm这些优化计算他们还会把一些概念的名称直接从生物学搬过来，像chromosome，allele...
并不是不知道原理，不然也不可能设计出来，只是原理比较复杂，难以具象化进行解释，不过现在也有很多可视化的算法可以对训练过程进行可视化，帮助非计算机专家理解
XAI工作者表示很淦
我来给你打一个比喻：你觉得你自己是怎么判断问题的？你可以想象成你从小到大接触的东西都是样本数据，输入到你的大脑后，造就了现在的你
一切艺术、宗教都不过是自然的附属物。--亚里士多德
人类在两个方向寻找我们存在的坐标，一个是微观领域，一个是宏观领域。
你知道为什么最伟大的哲学家第一名是亚里士多德？因为他为人类社会提供了逻辑框架学。所有的启发性哲学思想，科学都会到他那里去归类。推导出了超自然逻辑。所有的生物跟人类都是一样，都拥有超自然逻辑属性，只是表现出来，外延的自然形态，程度上有差异。 电脑是人类创造的逻辑终端，人类是造物主创造的生物性逻辑终端，在超自然逻辑属性中，物质和非物质(意识)完全可以跨界互通互联。对超自然逻辑属性而言，生命的形态，与自然界人类定义的生命形态完全不一样。换言之，凡有"运动″的物质都是有″生命″的，因为分子，原子，电子都是一个运动体，只不过人类社会科学把它分成有机状态的生命体，和无机状态物质。 且所有的运动都源于一个奇点，这个奇点就是超自然的逻辑的原点。斯密讲的一只看不见的手，造物主的手。。。所有生物体，都是一个逻辑终端。基因的本质就是超然法逻辑的体现。就像人类创造出电脑，它是人类思维逻辑的外延，运用了超然法逻辑的规则，现在成果。包括今后的人工智能，都是人类思维逻辑的外延。逻辑学才是工具。逻辑就是真理，真理就是逻辑，超然法逻辑。创造、构建、关联这个世界一切一切的纽带。就是超然法逻辑。换句话说，超然法逻辑是事物本质的本质的本质，其他东西都是我们观察到的现象。
道法自然，道乃天道自然法理。自然在我们生物领域的地球以内，超自然是整个地球以外的世界，自然是超自然的外延。所谓的道，就是超然法逻辑。看不见摸不着，但的的确确能感悟到它的存在。自然在我们生物领域的地球以内，超自然是整个地球以外的世界，自然是超自然的外延。经典物理和量子物理缺少一座桥，真正的表现超然法逻辑，只有一种方式，数理逻辑。是数理逻辑的本质，把这一切关联起来的。就像数学，不是人类社会的发明，数学是人类社会发现的超自然法逻辑规则。数学符号才是人类发明用于表达超自然法律规则，显形的方法。没有逻辑就没有意识，一切虚无。。。逻辑是超意识存在的。逻辑本身就是一个牢笼，生老病死都是超然逻辑的过程。宗教就幻想解脱，其真正的目的就是逃脱逻辑这个牢笼，只是宗教自己本身描述不出来。万事万物无时无刻，都在受超然逻辑的支配。只是你自己习惯了这种支配，反而感受不到这种自配的存在。这种支配是超意识存在。佛的所谓开悟，就是深深地领悟了这种超然逻辑的支配。
佛学道学都是哲学，基督教伊斯兰教才是神学。神学是逻辑上的彻底虚无，哲学才存在于物质和意识的虚实之间。逻辑承载的意识认知论叫哲学。逻辑承载的物质认识论叫科学。
人工智能和人类的差异就在于模糊运算能力，人类生物性的模糊逻辑运算能力、如果被人工智能超过，主宰这个世界的完全可能是机器。
人工智能在于精确性的运算能力，生物智能的优势就是模糊运算能力。
但两者的传承模式完全不一样，生物是靠繁殖传承，机器是靠复制传承，有点类似单细胞生物。
人類各種複雜科技的延伸，將可能帶來的是負面的傷害勝過正面價值，單純的原始也不代表落後的象徵。