就像是人类的历史是烧开水，从钻木取火，蒸汽涡轮机，乃至核电站，能源的进程总是伴随着水这一介质
反观人工智能的发展，这一介质的名称是：规律

阿尔法go寻找围棋的规律，人脸识别是识别每一张脸的特征，人类在设计这些人工智能时似乎都只是给予海量的数据和储存的固有逻辑，并没有给他们分析的能力，单纯通过赋值和计算来得出围棋的胜率和人脸相似的百分比。
chatgap在我的了解中算是这种找规律人工智能的集大成者，上到论文官话，下到编程排班，经由人类输入的海量数据，似乎都可以快速的完成。
而这种人工智能远远不能通过最基础的图灵测试。
出于安全的考量，一般数据在输入时，都会设定一定的限制或者说格式，例如图形，棋谱，或是单纯的数据组合，这也导致了在用人工智能这一工具时，总会或多或少带有设计者的偏向，这一偏向会严重影响最终的结果——就像做题的时候如果算错了，我们会选择重新验算一样，如果发现结果不符合预期，大多数人会怀疑设计出了问题，很少关注给予的数据本身会不会有问题。很可悲的是，大多数时候智能都可以用错误的输入达到设计者的预期值，或许大多数时候并不会导致严重的后果，其上限却被锁死了。

(´ﾟДﾟ`)其实我也没脱离找规律的层次

首先，chatgpt

我也在找规律的层次(*´д`)

我做深度学习图像识别，我们不会考虑原始数据的问题，因为本来就很少不够用。我们还会利用图像处理手段（e.g.模糊）人工扩充，利用gan 生成也是方法

ai 有分析吧，比如迁移学习。如果你训练好做英语翻译的神经网络，你把这个网络训练成翻译日语的，比你重新从零开始训练新新模型要快不少。这个网络虽然之前没有一点日语也不懂，但它对语言本身有概念

现有科技并没有脱离找规律的能力吧我觉得，至少等神经元计算机出来以后再说
只是对未来的展望而已 没有对现在科学家们的努力指指点点的意思

>>No.56285836
查到gan的意思了，是生成式对抗网络（来源度娘）
对于原图模糊处理的话，如果本身原材料出了问题，似乎只是单纯的扩大了量，并没有将其准确性和多样性提高的样子？
在我们眼中的世界和我们让机器学习的世界终究还是差别太大了

《赛博英雄传》里有一段挺有意思
大意是“你和机器同样做一件事，机器会比你做的更精准，但它没有命令就不会补足错误，也不会理解为什么要这么做”
到目前为止的AI都还处在“被命令”的阶段，而且就连“被命令做的事”也未必能做好
我玩AI的朋友把chatgpt称为“数据库管理员”，楼上肥哥所说的“深度分析”也是基于数据库和训练，也就是说AI在目前还只是固定程序而不是“ 能思考的芦苇”，无论它能回答多么刁钻的问题，它终究只是“数据库管理员”，不知道肥肥我这么理解对不对( ﾟ∀。)

姑且理解为拼图玩家

另外这里有图灵奖得主关于gpt
的见解
https://phildeeplearning.github

上面的链接错了https://phildeeplearning.github.io