人工智能的眼镜读后感锦集(8)

他一遍遍的乞求着蓝仙女，可他并不知道那只是个雕塑，就这样他被冰冻了起来，一直过了两千年。两千年以后，外星人把他救了出来，他们查看了大卫的记忆，很同情他，于是便帮助他，让梦妮卡复活，可惜失败了，梦妮卡只能活一天，于是大卫和梦妮卡高兴地玩了一整天。
看完这部电影，我明白了，机智人也需要好好对待，他们也有感情，不要随意践踏他们。还有，我们要更执着地追求梦想，就象大卫，他成就了一个奇迹!
自从谷歌研发的阿尔法狗(AlphaGo)对战世界围棋冠军李世石并最终以4：1取胜，引发了全世界范围的大讨论，为什么一场围棋比赛能引发如此广泛的关注?
“人工智能”这个buzzword，常常会因为营销或者新闻报道的需求而被赋予不同的含义，其外延有时等同于“机器学习”，有时不等同，所以最外圈的这个等号并不完全准确。不过在2016年被大家普遍讨论的这些“AI”，可以认为基本上就是机器学习。内部的四个小圈则是学术上有确定外延的四个概念，代表了当前最重要的四个问题领域，是需要明确的重点概念。
有监督学习——让机器观测到一些输入，并告诉机器在这些输入下应该产生什么样的输出。机器通过这些数据学习出一个模型，之后给它新输入的时候，它能够根据模型预测应该产生什么样的输出。比如机器看到一个图片，可以判断图片中的物体属于哪一个分类。
无监督学习——让机器观测到一些输入，而没有标准输出，让机器自行去总结这些输入数据有什么统计特征，并生成有意义的产出。例如自动把大批文章聚成相似的几类，又例如给计算机看一些小狗小猫的照片，让计算机自动生成一些新的(与看过的.相似但又不同的)小狗小猫的照片。
增强学习——让机器观测到一些输入，并让机器根据输入做特定动作(action)。这些动作导致机器获得收益或者惩罚(reward)。机器通过增强学习优化它的动作策略(strategy)，使得它的长期收益最大化。下棋就是这一类典型的问题，strategy就是行棋策略，reward就是赢棋。