刚刚看到一个说法蛮有意思的：人脑的逻辑推理强，浮点数运算能力很弱（或者说运算精度很低），而计算机浮点运算很强。
所以出现了用deep learning去拟合一个很大的模型。首先利用人脑的先验知识去构造一个大函数，然后考虑合理的优化手段，最后怼上强大的算力去学一个黑盒函数。我认为这样的函数是不具有创造力的，只是依赖于强大的记忆力，说白了只是把无数训练集的普遍case记住了一些通用特性，可以关注当前的任务去学习一些新的特征表示，但是模型无法跳出问题本身去衍生出新的知识。
而从人脑的角度来看，很多灵光一闪的想法据说是有量子纠缠等量子效应存在的（遇事不决，量子力学），那计算机如何体现这种量子效应呢。知识有限的我不太明白量子计算机是怎么搞的，只是觉得我见到过的深度学习里面的量子效应就是随机....各种随机失活，随机初始化等等依赖于概率学的技巧，然后 paper 就会解释说这是一种正则化手段，有助于提高泛化能力等等。
这确实是一种过于原始和野蛮的方法了，我倒是蛮期待掺杂量子效应的神经网络（或者其他模型）的出现，或许能够让计算机拥有创造力。
所以出现了用deep learning去拟合一个很大的模型。首先利用人脑的先验知识去构造一个大函数，然后考虑合理的优化手段，最后怼上强大的算力去学一个黑盒函数。我认为这样的函数是不具有创造力的，只是依赖于强大的记忆力，说白了只是把无数训练集的普遍case记住了一些通用特性，可以关注当前的任务去学习一些新的特征表示，但是模型无法跳出问题本身去衍生出新的知识。
而从人脑的角度来看，很多灵光一闪的想法据说是有量子纠缠等量子效应存在的（遇事不决，量子力学），那计算机如何体现这种量子效应呢。知识有限的我不太明白量子计算机是怎么搞的，只是觉得我见到过的深度学习里面的量子效应就是随机....各种随机失活，随机初始化等等依赖于概率学的技巧，然后 paper 就会解释说这是一种正则化手段，有助于提高泛化能力等等。
这确实是一种过于原始和野蛮的方法了，我倒是蛮期待掺杂量子效应的神经网络（或者其他模型）的出现，或许能够让计算机拥有创造力。
Yuan的记事本 📚✍🏻 分享 软件 新闻 Yuan's Notepad
【DeepFake天敌出现：用血氧仪原理识别假脸，准确率高达97%】思路是识别人脸面部因心跳血流产生的微弱变化。这篇新论文里提出了一个重要假设：无论是在空间维度还是时间维度上，DeepFake 的假人脸都无法还原这种因血液流动造成的微弱变化。 Media 评论.详情 #抽屉IT
去年去西安的会上就有一群大佬在聊这个，利用人脸序列的微弱变化来测量心跳，准确率还挺高的。现在又用于活体检测和 DeepFake 识别了，还蛮有意思的
This media is not supported in your browser
VIEW IN TELEGRAM
中奖了呜呜呜，TESTV 卫衣一件，在平淡又操蛋的赶ddl生活里难得的快乐瞬间