duangsuse::Echo
好耶！立刻使用 CreateRemoteThread()
#include <stdafx.h>
#include <tlhelp32.h>
HANDLE RunRemoteThread(HANDLE hProcess, void (*fun)()) {
PTHREAD_START_ROUTINE pfnThreadRtn = (PTHREAD_START_ROUTINE) fun;
if (pfnThreadRtn == NULL) return -1;
return CreateRemoteThread(hProcess, NULL, 0, pfnThreadRtn, NULL, 0, NULL);
}
duangsuse::Echo
#include <stdafx.h> #include <tlhelp32.h> HANDLE RunRemoteThread(HANDLE hProcess, void (*fun)()) { PTHREAD_START_ROUTINE pfnThreadRtn = (PTHREAD_START_ROUTINE) fun; if (pfnThreadRtn == NULL) return -1; return CreateRemoteThread(hProcess, NULL, 0, pfnThreadRtn…
（duangsuse 是不会 MSVC 的
根据 《有趣的二进制》 示例抄袭而成（
根据 《有趣的二进制》 示例抄袭而成（
期待下周的新坑列表呢，还有要先完成的 Gekyll
本来之前打算 Rust 试用 libllsm 的，考虑到对于 FreeType 之前的测试失败，抛弃了没有时间情况下这种幼稚的想法（
本来之前打算 Rust 试用 libllsm 的，考虑到对于 FreeType 之前的测试失败，抛弃了没有时间情况下这种幼稚的想法（
Forwarded from iVanilla 自然科学 & 神秘学实验研究部 (iVanille🇩🇪)
我希望有一天，我再也不需要直接跟代码打交道，而是直接告诉 AI 怎么做，然后由 AI 完成编程，并自动测试是否达到我想要的效果，这样我就可以腾出大量时间去做自己喜欢做的其他事情。我相信这一天不会太遥远。
iVanilla 自然科学 & 神秘学实验研究部
我希望有一天，我再也不需要直接跟代码打交道，而是直接告诉 AI 怎么做，然后由 AI 完成编程，并自动测试是否达到我想要的效果，这样我就可以腾出大量时间去做自己喜欢做的其他事情。我相信这一天不会太遥远。
在我看来非常遥远，因为即使有 NLP（自然语言处理）技术，AI 想理解人类的意图还非常困难
目前的人工智能来说，基本就是基于数据统计分析的人工智能（e.g. SynthesizerV 对于开口音位置偏移的猜测、根据图片猜测物体的能力），这些可能对理增强意图理解能力暂时不会有太大用处
举个例子吧，一个简单的 OCR 机器学习应用，可以根据预先识别处理的「点」和「线」「弧」的一些数据，比如拥有几个有 1 个邻居的点、拥有几条线之类的统计分析，得出概率然后选择最大的那个作为识别结果，这就是现在的机器学习
但是，想理解自然语言所要表达的意思，还有文本交互中一些「混着」的数据 可能没有 20 年还不敢说，尤其是中文
比起这个，我更乐意看到更多更好「图形编程」的工具显现
现在的很多应用，基本都可以遵循某些模式而设计，比如一个普通（基于应用框架）的 RESTFul web 应用程序，基本就是检查和 SQL 查询、序列化，又如一门 程序设计语言的解释器，它的表达式语法规则可能和 C 的是类似甚至完全相同的、词法规则也可以在 C 的基础上修改
所谓『机器程序员』如果无法理解你的意图，是无法写出符合需求的程序的，解决这个问题在第一位，其他的语言支持库支持什么的都好说，但它不一定能真正取代人类，除非它完全是人类，拥有人类的理解、学习能力和直觉，这是比较困难的
目前的人工智能来说，基本就是基于数据统计分析的人工智能（e.g. SynthesizerV 对于开口音位置偏移的猜测、根据图片猜测物体的能力），这些可能对理增强意图理解能力暂时不会有太大用处
举个例子吧，一个简单的 OCR 机器学习应用，可以根据预先识别处理的「点」和「线」「弧」的一些数据，比如拥有几个有 1 个邻居的点、拥有几条线之类的统计分析，得出概率然后选择最大的那个作为识别结果，这就是现在的机器学习
但是，想理解自然语言所要表达的意思，还有文本交互中一些「混着」的数据 可能没有 20 年还不敢说，尤其是中文
比起这个，我更乐意看到更多更好「图形编程」的工具显现
现在的很多应用，基本都可以遵循某些模式而设计，比如一个普通（基于应用框架）的 RESTFul web 应用程序，基本就是检查和 SQL 查询、序列化，又如一门 程序设计语言的解释器，它的表达式语法规则可能和 C 的是类似甚至完全相同的、词法规则也可以在 C 的基础上修改
所谓『机器程序员』如果无法理解你的意图，是无法写出符合需求的程序的，解决这个问题在第一位，其他的语言支持库支持什么的都好说，但它不一定能真正取代人类，除非它完全是人类，拥有人类的理解、学习能力和直觉，这是比较困难的
duangsuse::Echo
在我看来非常遥远，因为即使有 NLP（自然语言处理）技术，AI 想理解人类的意图还非常困难 目前的人工智能来说，基本就是基于数据统计分析的人工智能（e.g. SynthesizerV 对于开口音位置偏移的猜测、根据图片猜测物体的能力），这些可能对理增强意图理解能力暂时不会有太大用处 举个例子吧，一个简单的 OCR 机器学习应用，可以根据预先识别处理的「点」和「线」「弧」的一些数据，比如拥有几个有 1 个邻居的点、拥有几条线之类的统计分析，得出概率然后选择最大的那个作为识别结果，这就是现在的机器学习 …
我看来 NLP 最好也是最直接的应用就是创建 chatbot 了，但做出一个好的 chatbot 很难
现在的 chatbot 基本都是字典机，他们很有趣但也很无聊，因为有些问题总是回答不上来，有些问题只会给你一个答案，非常死板单调，有门专门的 chatbot 语言叫 RiveScript，可以去看看
参考 Turling123.com 图灵机器人，它会做加减法，不过就是匹配
即使是微软小冰、Siri 这样大公司出品的 chatbot，也不过是大一点的「功能」字典机罢了
小冰的字典很大，因为是基于整个因特网搜索的回答，Siri 不是永远都能连上服务器的，所以能力非常有限，顶多设计时多加几个有“人情味”的词罢了（比如问 “你今天怎么样” 回 “很不错”）
稍微有点常识的人会提出图灵测试，我这里提出几个难度稍微高一点的图灵测试，比较苛刻但表示了我对机器人的期望，希望 20 年，我 30 岁之前能有这种机器人吧
如果机器人能在文本层面上处理的话就更好了（比如，可以理解你加密给它的数据，理解更多语言），但我不知道只是机器人的话能不能这样
人脑有不知多少亿神经元，可以说即使是超算，也难以做到完全模拟的，但现在我即使作为完全不懂脑科学的人，也知道大脑分许多部分，各自负责完成一些功能，所以机器人想光靠某几种算法完成的话还是不好的，必须有多种预制功能才可以学习理解新东西
现在的 chatbot 基本都是字典机，他们很有趣但也很无聊，因为有些问题总是回答不上来，有些问题只会给你一个答案，非常死板单调，有门专门的 chatbot 语言叫 RiveScript，可以去看看
+ i am *他们没有脑子，他们不会思考，他们只是简单的基于字符串匹配而成的机器罢了，每个新功能都得人类为它定义，它才会「学会」这个新技巧
- I am <formal> too.
参考 Turling123.com 图灵机器人，它会做加减法，不过就是匹配
? 加 ? 等于多少 一类的字符流罢了，没有任何新意即使是微软小冰、Siri 这样大公司出品的 chatbot，也不过是大一点的「功能」字典机罢了
小冰的字典很大，因为是基于整个因特网搜索的回答，Siri 不是永远都能连上服务器的，所以能力非常有限，顶多设计时多加几个有“人情味”的词罢了（比如问 “你今天怎么样” 回 “很不错”）
稍微有点常识的人会提出图灵测试，我这里提出几个难度稍微高一点的图灵测试，比较苛刻但表示了我对机器人的期望，希望 20 年，我 30 岁之前能有这种机器人吧
如果机器人能在文本层面上处理的话就更好了（比如，可以理解你加密给它的数据，理解更多语言），但我不知道只是机器人的话能不能这样
人脑有不知多少亿神经元，可以说即使是超算，也难以做到完全模拟的，但现在我即使作为完全不懂脑科学的人，也知道大脑分许多部分，各自负责完成一些功能，所以机器人想光靠某几种算法完成的话还是不好的，必须有多种预制功能才可以学习理解新东西
从现在开始，无论我说什么，你都得回复 %_%，直到我说“🐸”
一句
一句
🐸
做一个算数题吧，现在 a 是 1，b 是 2 + 2，请问，a - b 是多少？
小明有一个苹果，小红有三个苹果，但小红弄丢了一个苹果，请问，现在他们一共有几个苹果？
duangsuse::Echo
我看来 NLP 最好也是最直接的应用就是创建 chatbot 了，但做出一个好的 chatbot 很难 现在的 chatbot 基本都是字典机，他们很有趣但也很无聊，因为有些问题总是回答不上来，有些问题只会给你一个答案，非常死板单调，有门专门的 chatbot 语言叫 RiveScript，可以去看看 + i am * - I am <formal> too. 他们没有脑子，他们不会思考，他们只是简单的基于字符串匹配而成的机器罢了，每个新功能都得人类为它定义，它才会「学会」这个新技巧 参考 Turling123.com…
图灵机器人也不是完全基于字符流匹配，据说还是做了 NLP 的，不过，这也只能算是字典的模式不一样罢了，依然摆脱不了没有思维、没有记忆、无法学习的限制
即便机器人会自己遣词造句、换词、改变句子结构、以特定情感 NLP 处理重构句子让答案不再千篇一律、能通过 NLP 匹配理解很多句式、能利用功能扩展动态生成回复、能通过机器学习找到近似的回复，掩饰自己其实无法理解的回答。
最终他们还是无法理解，实在是不能理解，不能像是个人一样，这是可惜之处了
即便机器人会自己遣词造句、换词、改变句子结构、以特定情感 NLP 处理重构句子让答案不再千篇一律、能通过 NLP 匹配理解很多句式、能利用功能扩展动态生成回复、能通过机器学习找到近似的回复，掩饰自己其实无法理解的回答。
最终他们还是无法理解，实在是不能理解，不能像是个人一样，这是可惜之处了
Forwarded from 每日消费电子观察 (喵)