机器学习，深度神经网络等方法是否是正确的方向？ 第1页
1
david-dong-20 网友的相关建议:
人工智能的方向多了去了。。。。。。大派主要是逻辑派和机器学习派。其中逻辑派也分很多，稍微实用点的主要是multi-agent，机器学习派也有那么一大堆，不过大多数研究的使用范围还是比较窄的。
如果一定要选一个现在已经有的方法来看谁离真正的强人工智能最近，实话说我觉得神经网络真的有那么丝制造出强人工智能的可能性，别的理论看起来都没法平滑的拟合出类人智能这样的复杂函数出来。如果结合认知学，用神经网络和别的东西组合一下，再使用比较标准的数据结构不断的训练，谁知道会不会产生类似意识这种玩意。。。。。。
1
相关话题
如何评价Google最新提出的gMLP：MLP模型在CV和NLP任务上均取得较好的效果？现在的人工智能是否走上了数学的极端？
为什么我觉得元宇宙是个骗局？
如何去构建一家属于【我们自己】的公司（超级合作社）？
caffe开发过程中使用了哪些工具？
如何看待「特斯拉宣布：全系在产车辆都将能够完全自动驾驶」？
神经网络为什么可以（理论上）拟合任何函数？
如何评价Kaiming He团队的MoCo v3？
如何看待上海交大研发人工智能：通过脸部识别技术辨别罪犯？
是不是并不是所有问题都适合用神经网络预测？
前一个讨论
如何反驳 UML 无用论？
相关的话题
中国工程院院士邬贺铨称未来拍电影不用花钱请小鲜肉，用技术就可以画出来。这真的可以实现吗？难度有多大？除了深度学习，机器学习领域近年来还有什么热点吗？
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
写深度学习代码是先写model还是dataset还是train呢，有个一般化的顺序吗？
计算机视觉顶级会议论文中比较适合初学计算机视觉的人做的复现实验有哪些？
如何评价谷歌刚推出的Cloud AutoML？
DeepMind 团队中有哪些厉害的人物和技术积累？
程序员应该如何学习算法？
有尝试用多层自组织特征神经网络（MLSOM）来代替层次分析法（AHP）的吗？会有哪些问题需要注意？
二分类问题，应该选择sigmoid还是softmax？
t-sne数据可视化算法的作用是啥？为了降维还是认识数据？
迁移学习入门，新手该如何下手？
如何通俗的解释交叉熵与相对熵？
阿尔法狗已经积分4500了，这个可信吗？
深度学习应用在哪些领域让你觉得「我去，这也能行！」？
如何理解attention中的Q,K,V？
如何看待科技部公布的首批国家新一代人工智能开放创新平台？
为什么在实际的kaggle比赛中，GBDT和Random Forest效果非常好？
为什么熵值最大的分布状态是正态分布而不是均匀分布？
你所在的研究领域里，有哪些工作的结果虽然不是造假，但是是精挑细选出来的?
一个无监督学习算法，如何判断其好坏呢?
CPU和GPU跑深度学习差别有多大？
一个人能否实现自己转动螺旋桨从而上天？实现需要什么条件？
BERT模型可以使用无监督的方法做文本相似度任务吗？
请问人工神经网络中的activation function的作用具体是什么？为什么ReLu要好过于tanh和sigmoid function?
这一波人工智能泡沫将会怎么破灭？
为啥gan里面几乎不用pooling？
关于材料计算，模拟，仿真什么区别?
反馈控制理论在通信、信号处理等领域有哪些应用？
未来人工智能真的会让人类全面失业吗？如果真的有这种情况发生的话又如何应对？