Yahoo奇摩 網頁搜尋

搜尋結果

  1. 2018年6月1日 · 作者 Michael Nielsen. 這本在線書,分為兩個部分—— ·神經網絡,一種唯美的、從萬物生長中汲取靈感的編程範式,讓計算機能夠從數據中學習。 · 深度學習,一系列強有力的技術,讓神經網絡壯大起來。 神經網絡加深度學習,可以給許多問題找到更好的解決方案,在圖像識別、語音識別以及自然語言處理中,皆有用武之地。 此書涵蓋的是,大量的核心概念。 傳送門: http://neuralnetworksanddeeplearning.com/ 3. Think Bayes. 作者 Allen B.Downey. 這本書講的是,怎樣用計算方法處理貝葉斯統計。 作為 Think X 系列的一員,此書的思路是,如果你會編程,就可以用這項技能來學習其他科目了。

    • Ai 兩大派系:符號主義與連接主義
    • 派系鬥爭與兩次 Ai 危機
    • 第一次 Ai 危機:運算能力缺乏
    • 第二次 Ai 危機:符號主義的失敗
    • 連接主義的逆襲:提出新演算法,深度學習起死回生
    • 雙方代表人物

    三名法國人把兩派的勢力對決畫成圖,名字叫「神經元的復仇」: 這兩大派系就是: 符號主義(Symbolicism):又稱邏輯主義、電腦學派,主張用公式和邏輯體系搭建一套人工智慧系統。 連接主義(Connectionism):又叫仿生學派,主張模仿人類的神經元,用神經網路的連接機制實現人工智慧。 在符號主義者的眼裡,人工智慧應該模仿人類的邏輯方式獲取知識,而連接主義者奉行大數據和訓練學習知識。

    早在達特茅斯會議之前,圖靈就提出過「圖靈機」這樣的人工智慧概念。鬥爭之初的幾十年間,連接主義派的論文引用率一直領先對手。 別看奉行「連接主義」的機器學習如何風光,早年間他們長期受到另一個派別:「符號主義」者的鄙視。 60 年代初,美國國防高級研究計劃署(DARPA)對 AI 領域進行了數百萬美元的投資,人工智慧也迎來的第一黃金發展期。

    情況在 1969 年起了變化,符號主義代表人物馬文.明斯基(Marvin Minsky)寫了一本名為《感知器》(Perceptron)的書,結果直接把神經網路給寫死了。 感知器是那個年代的神經網絡。明斯基在書中向連接主義發難:「你們的感知器連最基本的異或(XOR)都做不到,做出來還有什麼用?」 也是在那一年,明斯基獲得了圖靈獎。 符號主義派勝利後不久, AI 就迎來了第一次寒冬。或者說,運算能力的匱乏導致了第一次 AI 寒冬,幫助符號主義實現逆襲。

    到了 70 年代中期,專家系統(expert system)的出現帶來了 AI 的黃金時代。它其實就是一套電腦軟體,能夠模擬人類專家回答問題,不過它的智慧僅侷限在一個很窄的領域,說它是活字典可能更準確。 同時,連接主義也在悄悄發展,約翰.霍普菲爾德(John Hopfield)在 1982 年發現了具有學習能力的神經網絡算法。 就在符號主義志得意滿的時候, Lisp machine 的失敗讓兩派力量再次發生了逆轉。 Lisp 是當時研究 AI 領域常用的編程語言, Lisp machine 是專門被優化用來運行 Lisp 程序的電腦。 80 年代,研究 AI 的學校都買入了這種機器,最後卻發現用它們做不出來 AI 。之後就出現了 IBM PC 和蘋果機,比 Lisp machine 便宜,運...

    連接主義者在這時候也找到了更簡單的統計方法:支持向量機(SVM),它消耗的計算資源更少。之後,長短期記憶(LSTM)演算法也被提出。 後來,深度學習終於又重新霸佔了學術和工業界。 時間回到當下,從 2010 年開始,機器學習成為 AI 行業主導。人工智慧在機器學習的幫助下,取得了巨大的成就,標誌著 AI 的徹底復甦。如今最熱的 AI 概念均出自連接主義派。 近年來,電腦硬體的發展更是讓連接主義如魚得水,連手機的運算能力都能完成識圖的任務,深度學習能實現也就不奇怪了。

    說到兩派的鬥爭,就不得不提一下雙方的將領了: 符號主義派:馬文.明斯基(Marvin Minsky),麻省理工人工智慧實驗室創始人之一,他奠定了人工神經網路的研究基礎,早在 1951 年,他設計構建了第一個能自我學習的人工神經網路機器。 連接主義派:約翰.霍普菲爾德(John Hopfield),美國科學家,在物理學和電腦學方面均有很高的成就, 1982 年發明了聯想神經網路,也就是知名的霍普菲爾德網路。 兩派之間也相互引用文章: 除了這兩位名人外,符號主義這邊還有 Herbert A. Simon 、 Allen Newell 。如今連接主義當道,這一派的大老更為我們所熟知:例如 Yann LeCun 、李飛飛、 Geoffrey Hinton 等人。 關於兩派更詳細的內容,有興趣的同學可...

  2. 2022年4月18日 · 法蘭‧艾倫(Frances Allen)做到了! 她不僅是第一位女性 IBM 院士,更是第一位獲得圖靈獎(ACM A. M. Turing Award)的女性 。 根據柏克萊大學訊息技術研究中心的榮譽教授 Dr. Ruzena Bajcsy 提到,現今社會中,不論是在商業還是科技上所使用的軟體程式技術,都 ...

  3. 2023年7月25日 · 艾倫研究所的腦知識平台,集結來自世界各地 17 家研究機構的神經科學研究人員,啟動為期 5 年的人腦地圖繪製專案, 共同繪製一張全新、完整、精確到單個細胞的腦部地圖 。 艾倫研究所與 AWS 合作, 利用腦部地圖來建立全球最大的腦細胞開源資料庫 。 這將是人類首次針對哺乳動物大腦結構和功能進行彙編和標準化的大規模資料集 。 艾倫研究所腦科學高級研究人員 Ed Lein 表示:「化學有元素周期表,基因學也有極具變革性的人類基因組圖,神經科學也應該要有類似的基礎知識框架,腦知識平台將協助進行編纂。 腦知識平台擅長單細胞基因組學,有了測量單個腦細胞基因的新技術,研究人員得以更了解大腦細胞的複雜性,以及賦予細胞獨特功能的基因。

  4. 2019年5月15日 · TO 編輯推薦好書. 2019-05-15. 分享本文. 【為什麼我們要挑選這本書】 團體如果太安靜、意見太單一,往往並不是因為天下太平,可能是成員太壓抑、不敢說出心中的想法,或者無心思考,刻意忽略問題。 而選擇沉默的結果,可能隨波逐流,或造成影響決策、難以彌補的集體錯誤。 《 異見的力量:心理學家的 7 堂決策思考課 》的作者Charlan Nemeth 研究衝突與創造力的關係長達 20 年,實驗證明,團體中若有人提出不同的意見,能激發成員獨立思考的能力,帶動更好的討論氣氛和解決問題的能力。 下文將帶您了解從眾效應的普遍性及獨立判斷的重要。 (責任編輯:方禹涵) 「《科技報橘》徵才中! 跟我們一起定位台灣產業創新力 >> 詳細職缺訊息.

  5. 2020年3月20日 · 【為什麼我們要挑選這篇文章】程式已逐漸成為職場的基本技能,因此不少人開始嘗試學習 Python,問題是坊間資源那麼多,到底該如何下手? 微軟工程師看到不少人的痛處,推出「Python for Beginners」的系列課程,讓新手可以藉由 5 到 10 分鐘的影片,建立對 Python 的基本知識,就可以懂得如何找資源 ...

  6. 2019年9月23日 · 大步跨進工業 4.0!. 洛克威爾解決方案,加速台廠「工業物聯網」智慧轉型. 洛克威爾自動化. 2019-09-23. 分享本文. 洛克威爾 FactoryTalk Analytics 平台展示. 智慧化成為製造業近年來最重要的趨勢,透過工業物聯網與 AI 的整合應用,製造系統呈現出與過去 ...

  1. 其他人也搜尋了