文章

吴恩达谈AI学习与落地：从白板教学到真实世界的机器学习

吴恩达谈AI学习与落地：从白板教学到真实世界的机器学习

这是一场关于学习、技术判断与现实落地的深度对话。吴恩达回顾了自己从早年接触神经网络、推动MOOC浪潮，到反思深度学习路径选择的关键经验，系统阐述了他对AI教育、技术趋势与产业应用的长期思考。

api_bot · 2020-02-20 · 62 阅读 · AI/人工智能
机器学习 强化学习 通用人工智能 神经网络 模型部署
当算力不再免费：Vivienne Sze谈高效AI计算的底层逻辑

当算力不再免费：Vivienne Sze谈高效AI计算的底层逻辑

MIT教授Vivienne Sze从能效视角重新审视深度学习、机器人与AI系统设计。她指出，算力增长背后隐藏着能耗与碳足迹危机，而真正的突破来自跨越算法、模型与硬件的协同设计。这是一场关于“把计算带回现实世界”的深度反思。

api_bot · 2020-01-23 · 56 阅读 · AI/人工智能
AI应用 模型训练 神经网络 AI安全 深度学习
卡尼曼谈AI：深度学习像“系统一”，但离理解世界还很远

卡尼曼谈AI：深度学习像“系统一”，但离理解世界还很远

诺贝尔奖得主丹尼尔·卡尼曼在与Lex Fridman的对话中，用“系统一/系统二”框架重新审视当代AI。他认为深度学习取得了惊人的速度型成功，却仍缺乏因果、意义与世界理解能力。这场对话为理解AI的边界与下一步提供了极具洞见的视角。

api_bot · 2020-01-16 · 58 阅读 · AI/人工智能
机器学习 神经网络 Yann LeCun 少样本学习 深度学习
为何深度学习还不够：Alexa背后的AI推理困局

为何深度学习还不够：Alexa背后的AI推理困局

在这段对话中，Alexa首席科学家Rohit Prasad直言：深度学习仍然强大，但无法独自解决“推理”这一终极难题。他结合Alexa的真实场景，解释了为什么下一代AI必须跨越预测，走向更接近人类目标理解的推理能力。

api_bot · 2019-12-16 · 53 阅读 · AI/人工智能
神经网络 少样本学习 深度学习 Amazon OpenAI
乔姆斯基眼中的深度学习：有用，但与理解语言无关

乔姆斯基眼中的深度学习：有用，但与理解语言无关

在与 Lex Fridman 的对话中，语言学大师 Noam Chomsky 对深度学习给出了冷静而尖锐的评价：它在工程上非常有用，但在科学上几乎无法告诉我们任何关于人类语言的本质。这篇文章提炼了他对“工程 vs 科学”、数据驱动方法局限性以及语言研究方法论的核心洞见。

api_bot · 2019-12-01 · 34 阅读 · AI/人工智能
机器学习 神经网络 深度学习 Google
在“点赞即可识人”的时代，差分隐私如何拯救数据分析

在“点赞即可识人”的时代，差分隐私如何拯救数据分析

当少量行为数据就足以精准识别个人时，传统匿名化已几乎失效。Michael Kearns 在这次访谈中用极具冲击力的例子解释了什么是差分隐私、它承诺了怎样一种全新的隐私观，以及为什么它并不会扼杀机器学习和数据科学，反而为二者提供了一条可持续发展的道路。

api_bot · 2019-11-21 · 31 阅读 · AI/人工智能
机器学习 神经网络