PR同学说深度学习不知道学习还是记忆 其实是错误的 就深度学习而言 其实只是不犯错误 比如围棋 通过价值判断体系 犯错误最少的棋手最后获胜 而机器比人类错误更少 所以 机器最后获胜 当然 如果没有狗狗这样的自我培训体系 光有算法是没有意义的 6park.com
就机器世界 其遵循的仍然是智能本身共同的规律 也就是说智慧不来自人类自己 我们不过是遵循了一个学习的过程 当然搭建这个过程的生物学基础 也就是PR图中的隐含部分 并不是靠人类自身能力搭建的 也就是说大脑的深度卷积是预先构造好的 所以劳动并不能让人类聪明 科学不来自努力 6park.com
而就人类而言 学习最重要的居然不是记忆 按照最新的研究 学习最重要的是忘记 如果没有忘记功能 人类的大脑系统会很快崩溃 所以我大胆的挑战PR同学 人工智能最大的成功不是大数据处理以及训练和记忆 而是忘记 如果没有忘记 阿狗是无法学习的 6park.com
那么忘记的基础是什么？我们下次讨论 这次主要讨论ML机器学习 记得PR曾经用时间胶囊来比喻对蛋白折叠设计方案的预测评估 但却忘记了像生命物质蛋白这样的结构和功能 并不是预测 而是预定 是书写的DNA编码的预定 6park.com
所以 生命体本身不是一个学习的过程 而是一个预定的过程 也就是说比如蛋白的折叠和结构与功能的关系不是一种预测 而是一种预定，当然被预定的人类大脑，比如神经元网络的深度卷积，是可以学习的，如同算法结构是预定的，所以可以学习。也就是说DNA线性编码的时候就确定了 而这个过程不是靠所谓的突变来试错训练出来的，为什么呢？因为蛋白最后的折叠和功能无法对最初编码产生一种所谓的反馈效应，就是说：自然选择或者适者生存无法让蛋白决定其最初的编码 这是自然法则不允许的，这就好比一辆汽车必须靠完备性的组装，比如与蛋白折叠类似的配件吻合，这是无法通过汽车测试=自然筛选，而决定配件=蛋白折叠的设计的，因为没有预定，汽车本身是装不起来的，在这里，时间胶囊并不起作用。 6park.com
所以人工预测与生命预定之间最大的区别就是，虽然都与智慧有关，但测试是第三方的，比如可预测天气预测蛋白结构
但预定必须是第一方和第二方的，比如天气本身，蛋白结构本身，这其实就是达尔文同学本人所犯的最大的逻辑学错误：优化统计不产生统计本身  6park.com
他简单粗暴的在关系树上给每个物种之间画了一个箭头 6park.com
人工智能和ML不产生智慧本身 人类再学习再劳动也不能把非人变成人见虽然她们可以造个机器人来替代自己 6park.com
但人类必须就是人类
评分完成：已经给 职业牧师 加上 1000 银元！