困扰我很久的问题。
我一直以为程序设计尤其是AI开发,是一个技术门槛很高、极度唯物辩证的领域。
2020年底应该算是比较重要的时间节点,那时候Katago上了TensorFlow平台,国内开始对AI有一定的讨论度,我也是那时开始学习基础知识和上手一些简单的项目。
那时候MCTS用得多,不像神经网络这么黑箱,讨论基本是五道口大佬牵头,各种理论漫天飞扬。
接下来就是Python+Torch+各种神经网络滥觞,各种大型神经网络项目面世,直到2022年底某不知名公司的某不知名的生成式模型问世,AI技术彻底平民化大众化。
然后历史就朝着奇怪的方向发展了,各种AI大师仿佛雨后春笋般出现,在这些人看来,会用AI=会AI,各种莫名其妙的理论,尤其是“AI万能”言论甚嚣尘上,这些理论大多缺乏理论和事实依据,但是正因其契合了人们的担忧和期望,使得不少人信以为真。
信以为真就算了,有些人还要因为“看不懂”,“太长不看”,嘲笑和反对一些中肯的反驳,然后大肆阴谋论。
AI适合解以下哪些问题
- 走迷宫
- 解高考数学倒数第二题
- 化合物分子高通量筛查
- AES密文破解
- 预测彩票
- 井字棋
1 个赞
会下井字棋不能算AI ?是不是你把AI的概念局限了
1 个赞
棋类抽象一下就是完全信息博弈,下象棋、围棋那些算AI,怎么下井字棋就被“歧视” ?
我觉得首先需要对你想讨论的AI范围下定义,再讨论AI民科的问题,因为不同群体嘴里的AI定义是不同的
1 个赞
传统算法存在最优解法的问题、传统算法轻松遍历的问题,你也认为AI可以获得优势?
你看,你把传统算法排除出AI领域了,机器学习算法算不算AI ?
2 个赞
我理解的“适合”是方法能解决问题,你理解的“适合”是方法要比别的强,所以一旦出现了更适合的,旧的算法就该打上“不适合”的标签了吗 ?
讨论问题首先界定概念、范畴,我认为是很有必要的。
“适合”指的是有优势,即原子操作的个数,“不适合”指的是这种算法无法再精度和速度(原子操作数)上带来提升。
井字棋再怎么凑就700多局面,26000多种变化(不剪枝),9步深度,先手必和;AES加密解密纯数学问题。
有些问题是完全可以论证使用AI不会减少原子操作数的
Alfred6
(格里菲斯)
13
是的。不过我觉得不是坏事。
事情越搞越热,发展的虽然乱,但是发展的也快。
周围人开始讨论ai,就是两个热点:alphago和chatgpt。这带来巨大关注度的同时,也带来巨大的资金、人才。
当然也有混水摸鱼的,甚至混水摸鱼的获利更多。
世道就是如此
1 个赞
坚持“我觉得”,“我理解的”,却没有理论依据,就是民科和唯心。
wen_zijie
(eijiz_new@)
19
不要两三千,不要一两千,只要九九八
九九八,AI带回家
淘汰你的不是AI,而是会用AI的Ta
Reno
(Raimbault Bruce)
20
俺觉得技术是为应用服务的,强如数学,人类历史上最伟大的科学发明,也被用在街头讨价还价的场合里。
科学因为应用而伟大,而不是因为自身。