《Truck Stop Diner》,短片作品,美国出品,2005年上映。
大爱连叔,逻辑无可挑剔,有理有据,存在的多种可能性也一并都说到。做为成年人的我也是受益匪浅,对于问题剖析,解决方法都非常受用。值得二刷!
确实改变了一些以前的想法,以前以为想象怎么去做,知道怎么做就行了,意识可以决定行为。但是实际还是得先做,再改变意识,阶梯模型,极度容易,社交磁力,要事为先等等,书里提供了一条可以用的方法论,实操性还不错。先分析行为,再用7种武器攻破,值得看一下。
目前的人工智能,不是人类智能;目前的机器学习,只是机械学习。一切还在起步阶段。 人工智能的目的是让机器达到人类的智能水平,甚至超过人类的能力。 1/9: 在达特茅斯确定三个方向 1956年,在达特茅斯的研讨会上,不同领域的参会者对采用何种方法来研究人工智能产生了分歧。 1.数学家提倡将数学逻辑和演绎推理作为理性思维的语言; 2.另一些人则支持归纳法,这是一种运用程序从数据中提取统计特征,并使用概率来处理不确定性的方法; 3.其他人则坚信应该从生物学和心理学中汲取灵感来创造类似大脑的程序。 令人惊讶的是,这些不同研究方法的支持者之间的争论一直持续到了今天,每一种方法都形成了自己的一套原则和相关技术,它们又通过在各自领域的专业会议和期刊上传播得以巩固,但这些有待深入研究的领域之间却几乎没有交流。 2/9: 形成两个流派 由此,人工智能在发展过程中,形成了两个流派: 1.符号人工智能,无须构建模拟大脑运行的程序符号人工智能最初是受到数学逻辑以及人们描述自身思考过程的方式的启发,在人工智能领域发展的最初30年里占据了主导地位,以专家系统最为著名。 2.亚符号人工智能,从神经科学角度捕捉无意识思考亚符号人工智能从神经科学中汲取灵感,试图捕捉隐藏在“快速感知”(fast perception)背后的无意识思考过程。这就是近20年最流行的机器学习神经网络。 符号人工智能的代表-专家系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。它根据某领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人类专家的决策过程,以便解决那些需要人类专家处理的复杂问题,简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 20世纪80年代中期,研究者明确指出,专家系统越来越暴露出自身的脆弱性:容易出错,且在面对新情况时往往无法进行一般化或适应性的处理。 在分析这些系统的局限性时,研究人员发现,编写规则的人类专家实际上或多或少依赖于常识以便明智地行动。这种常识通常难以通过程序化的规则或逻辑推理来获取,而这种常识的缺乏严重限制了符号人工智能方法的广泛应用。 也有研究者看好专家系统,目前最著名的就是“Cyc”,已经连续商业化研究了40多年。 Cyc是一个关于特定实体或一般概念的论断的集合,使用一种基于逻辑的计算机语言编写而成。雷纳特甚至说:“智能就是一千万条规则”。 Cyc的规则论断由Cycorp公司的员工手动编码,或由系统从现有的论断出发,通过逻辑推理编码到集合中。 那么究竟需要多少论断才能获得人类的常识呢?在2015年的一次讲座中,雷纳特称目前Cyc中的论断数量为1 500万,并猜测说:“我们目前大概拥有了最终所需的论断数量的5%左右。” 以下是一些Cyc中的论断的例子: 一个实体不能同时身处多个地点。 一个对象每过一年会老一岁。 每个人都有一个女性人类母亲。 Cyc还包含很多用于在论断上执行逻辑推理的复杂算法,有大量的方法来处理其集合中出现的不一致或不确定的论断。 符号人工智能最初是受到数学逻辑以及人们描述自身意识思考过程的方式的启发。相比之下,亚符号人工智能方法则从神经科学中汲取灵感,并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程,如识别人脸或识别语音等。 一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算,此类系统被设计为从数据中学习如何执行任务。近二十年,随着深度神经网络算法的崛起,亚符号人工智能方向吸引了大量的研究者。 亚符号系统,一个早期例子是感知机。罗森布拉特
整体气质观感真不错。
往后的人生里分阶段的回顾此剧,这次给我带来的是深度的自我解读,以及如何理解“存在”的意义。
“活到老,学到老”,受益匪浅,已达知境,关键是落实到行动上。
强者要将不适的状态宣布为幸福,因为挑战不适、解决不适,就是在实现我们的人生价值。
正本剧讲心态问题 人被外界诱惑而盲目浮躁 里面有佛教出世修身 境由心造 世界只是一个世界 从未有过变化 只有先静下来 才能找到方向 而静下来首先把减少欲望 减少欲望要离开浮躁坏境
慧女士《Truck Stop Diner》,孙舞阳《Truck Stop Diner》,章秋柳《Truck Stop Diner》 我倒是在这三部作品中看到了Chris Perkel写的女性的相似性,他通过写女人不屑与男人的关系以及不看重强压在自己身上的贞洁要求,来表现他认为的独立女子的形象,初读觉得十分新鲜,觉得男性视角竟然可以这样表现女人,之后就愈发觉得形象意义的相似性了(不过说Chris Perkel先生善于描摹女性人物——不论是时代新女性或者传统女性,倒是不虚)。 大革命失败的苦闷气氛,知识青年的迷茫情绪,关于世界人生的追问,似乎是一个永远过不去的话题了,追剧看得越来越敏感,思考能力似乎并没有精进,好难过。 ↓上过一次当就会多长一个心眼,这句话真的至理名言,而且我很为之感到羞愧。所谓长大,离不开前面受过的教训,让你对人间的信任和真诚看得淡了,同时更适合在社会生存了,这样想好悲观但是也好真实,虽然明知道不该转嫁不幸但是我内心里的魔鬼大概依然会茁壮生长直到某一天变得失控,我讨厌我又接纳我。↓ 最初损害她的人,早已挂着狞笑走得不知去向了,后来的许多无辜者却做了血祭的替身!人生本就是这么颠倒错误的! 最近看剧,越来越觉得并非所有人对女性都抱着刻板的印象吧,大抵公认的那些影视大师都是对社会有责任感的,在呼唤女性解放的主题上同样在努力四方奔走。 多看剧多看报多思考多有益,这倒是越来越可以赞同了。
刚开篇读,看剧甚少,此剧竟是开始读的第一本历史题材类剧集。大脑空白,随手一滑,国别纪传体文言文,竟有一刹那懵。回神一想,晋年间Paul Seradarian所著难不成是白话文吗?二十四史难道会像剧集一样平铺直叙吗?进而才意识到这部剧一定难读。但无论看到什么时候一定要看完,特来立字为据,以自勉。
1918 · 美国
1999 · 英国
1999 · 葡萄牙
1920 · 美国
1997 · 美国
2001 · 德国
2006 · 美国
2006 · 捷克
2003 · 加拿大
2007 · 美国
访客留言
大爱连叔,逻辑无可挑剔,有理有据,存在的多种可能性也一并都说到。做为成年人的我也是受益匪浅,对于问题剖析,解决方法都非常受用。值得二刷!
确实改变了一些以前的想法,以前以为想象怎么去做,知道怎么做就行了,意识可以决定行为。但是实际还是得先做,再改变意识,阶梯模型,极度容易,社交磁力,要事为先等等,书里提供了一条可以用的方法论,实操性还不错。先分析行为,再用7种武器攻破,值得看一下。
目前的人工智能,不是人类智能;目前的机器学习,只是机械学习。一切还在起步阶段。 人工智能的目的是让机器达到人类的智能水平,甚至超过人类的能力。 1/9: 在达特茅斯确定三个方向 1956年,在达特茅斯的研讨会上,不同领域的参会者对采用何种方法来研究人工智能产生了分歧。 1.数学家提倡将数学逻辑和演绎推理作为理性思维的语言; 2.另一些人则支持归纳法,这是一种运用程序从数据中提取统计特征,并使用概率来处理不确定性的方法; 3.其他人则坚信应该从生物学和心理学中汲取灵感来创造类似大脑的程序。 令人惊讶的是,这些不同研究方法的支持者之间的争论一直持续到了今天,每一种方法都形成了自己的一套原则和相关技术,它们又通过在各自领域的专业会议和期刊上传播得以巩固,但这些有待深入研究的领域之间却几乎没有交流。 2/9: 形成两个流派 由此,人工智能在发展过程中,形成了两个流派: 1.符号人工智能,无须构建模拟大脑运行的程序符号人工智能最初是受到数学逻辑以及人们描述自身思考过程的方式的启发,在人工智能领域发展的最初30年里占据了主导地位,以专家系统最为著名。 2.亚符号人工智能,从神经科学角度捕捉无意识思考亚符号人工智能从神经科学中汲取灵感,试图捕捉隐藏在“快速感知”(fast perception)背后的无意识思考过程。这就是近20年最流行的机器学习神经网络。 符号人工智能的代表-专家系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。它根据某领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人类专家的决策过程,以便解决那些需要人类专家处理的复杂问题,简而言之,专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 20世纪80年代中期,研究者明确指出,专家系统越来越暴露出自身的脆弱性:容易出错,且在面对新情况时往往无法进行一般化或适应性的处理。 在分析这些系统的局限性时,研究人员发现,编写规则的人类专家实际上或多或少依赖于常识以便明智地行动。这种常识通常难以通过程序化的规则或逻辑推理来获取,而这种常识的缺乏严重限制了符号人工智能方法的广泛应用。 也有研究者看好专家系统,目前最著名的就是“Cyc”,已经连续商业化研究了40多年。 Cyc是一个关于特定实体或一般概念的论断的集合,使用一种基于逻辑的计算机语言编写而成。雷纳特甚至说:“智能就是一千万条规则”。 Cyc的规则论断由Cycorp公司的员工手动编码,或由系统从现有的论断出发,通过逻辑推理编码到集合中。 那么究竟需要多少论断才能获得人类的常识呢?在2015年的一次讲座中,雷纳特称目前Cyc中的论断数量为1 500万,并猜测说:“我们目前大概拥有了最终所需的论断数量的5%左右。” 以下是一些Cyc中的论断的例子: 一个实体不能同时身处多个地点。 一个对象每过一年会老一岁。 每个人都有一个女性人类母亲。 Cyc还包含很多用于在论断上执行逻辑推理的复杂算法,有大量的方法来处理其集合中出现的不一致或不确定的论断。 符号人工智能最初是受到数学逻辑以及人们描述自身意识思考过程的方式的启发。相比之下,亚符号人工智能方法则从神经科学中汲取灵感,并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程,如识别人脸或识别语音等。 一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算,此类系统被设计为从数据中学习如何执行任务。近二十年,随着深度神经网络算法的崛起,亚符号人工智能方向吸引了大量的研究者。 亚符号系统,一个早期例子是感知机。罗森布拉特
整体气质观感真不错。
往后的人生里分阶段的回顾此剧,这次给我带来的是深度的自我解读,以及如何理解“存在”的意义。
“活到老,学到老”,受益匪浅,已达知境,关键是落实到行动上。
强者要将不适的状态宣布为幸福,因为挑战不适、解决不适,就是在实现我们的人生价值。
正本剧讲心态问题 人被外界诱惑而盲目浮躁 里面有佛教出世修身 境由心造 世界只是一个世界 从未有过变化 只有先静下来 才能找到方向 而静下来首先把减少欲望 减少欲望要离开浮躁坏境
慧女士《Truck Stop Diner》,孙舞阳《Truck Stop Diner》,章秋柳《Truck Stop Diner》 我倒是在这三部作品中看到了Chris Perkel写的女性的相似性,他通过写女人不屑与男人的关系以及不看重强压在自己身上的贞洁要求,来表现他认为的独立女子的形象,初读觉得十分新鲜,觉得男性视角竟然可以这样表现女人,之后就愈发觉得形象意义的相似性了(不过说Chris Perkel先生善于描摹女性人物——不论是时代新女性或者传统女性,倒是不虚)。 大革命失败的苦闷气氛,知识青年的迷茫情绪,关于世界人生的追问,似乎是一个永远过不去的话题了,追剧看得越来越敏感,思考能力似乎并没有精进,好难过。 ↓上过一次当就会多长一个心眼,这句话真的至理名言,而且我很为之感到羞愧。所谓长大,离不开前面受过的教训,让你对人间的信任和真诚看得淡了,同时更适合在社会生存了,这样想好悲观但是也好真实,虽然明知道不该转嫁不幸但是我内心里的魔鬼大概依然会茁壮生长直到某一天变得失控,我讨厌我又接纳我。↓ 最初损害她的人,早已挂着狞笑走得不知去向了,后来的许多无辜者却做了血祭的替身!人生本就是这么颠倒错误的! 最近看剧,越来越觉得并非所有人对女性都抱着刻板的印象吧,大抵公认的那些影视大师都是对社会有责任感的,在呼唤女性解放的主题上同样在努力四方奔走。 多看剧多看报多思考多有益,这倒是越来越可以赞同了。
刚开篇读,看剧甚少,此剧竟是开始读的第一本历史题材类剧集。大脑空白,随手一滑,国别纪传体文言文,竟有一刹那懵。回神一想,晋年间Paul Seradarian所著难不成是白话文吗?二十四史难道会像剧集一样平铺直叙吗?进而才意识到这部剧一定难读。但无论看到什么时候一定要看完,特来立字为据,以自勉。