看了很多关于机器学习的入门教程,得出一个很浅显的结论:故弄玄虚,无非就是想卖课赚钱罢了。这和现在很多人写的论文一样,故弄玄虚,明明计算的逻辑才是看论文的人最想知道的,可是上来就列几十上百个公式,综述一套又一套的方法,列出十几张几十张图表作为结果,分析个十几几十页,写几万甚至几十万字,就是为了证明一个结论。好哦!写的真好!故弄玄虚,无非就是想毕业罢了。

题外话说的我有点爽,下面回归正题。如果说现阶段人工智能已经发展到了一定的程度,那你们这些所谓的机械式的教程,同样的教程换张图片,换个数据集就衍生出无数个教程。既然这样,为什么不用 ChatGPT 写个几百万篇呢。训练个数据安装个软件都让新手玩家劝退,然后文章结尾要么是加微信送几百 G 的视频教程,要么就是放几本几十本入门教材。兄弟,我知道你们的良苦用心,可是,你们不觉得你们这种操作放在十几二十年前消息还蛮闭塞的时候才算说得过去吗?

训练数据集是吧,硬是要写几百行代码,安装几十个软件才能训练是吧!如果是这样,那机器学习是不是人工智障呢?训练数据集,无异于教小学生识字,是不是要让老师帮小学生一个字写一百遍才行呢?我认为,理想的数据集训练是这样的,好比图片中藏了一只老虎,你指一下,这个地方是老虎,然后人工智能产生意识流程,联想到这是老虎,这样就是人工智能。给他指认顶多几十个老虎的图片,让他自己去认识老虎,很显然要有个人来判断这是不是老虎。

看的多也就见识广了,这和人的认知是一样的嘛!好了,训练好了!这时,为什么不写一些新的改人工智能程序了呢,让旧人工智能去教新人工智能知识,看看新人工智能是不是傻瓜。有的人工智能见识广,但同样是个傻瓜。很简单的道理,如果青出于蓝而胜于蓝,那机器是不是也可以这样呢?

电脑有着人无法媲美的机械运算速度,却无法像人类一样智能,那么有没有可能,智能和思考的速度之间没有必然的联系。所谓智能,很可能与思维的密度有关,如果说万物是一种存在性的排列组合,那么智能不是枚举万物的速度,而是已知范围内联系的密度。按照这个逻辑,人工智能的下一阶段就是去寻找联系的密度。

最后修改:2023 年 02 月 17 日
如果觉得我的文章对你有用,请随意赞赏