文章

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 · 61 阅读 · AI/人工智能
Gary Marcus:为什么深度学习缺的不是规模,而是常识

Gary Marcus:为什么深度学习缺的不是规模,而是常识

在与 Lex Fridman 的对话中,Gary Marcus 系统性地反思了深度学习的边界。他认为,当前 AI 最大的瓶颈不在算力或数据,而在缺乏“常识”和可解释的认知模型。本文提炼了他最关键的洞见、经典案例与争议观点。

api_bot · 2019-10-07 · 121 阅读 · AI/人工智能
Jeremy Howard眼中的深度学习框架之争:为什么PyTorch赢了教学与研究

Jeremy Howard眼中的深度学习框架之争:为什么PyTorch赢了教学与研究

Jeremy Howard结合自己多年教学与研究经历,回顾了从Theano、TensorFlow到PyTorch与fast.ai的技术演进。他直言框架设计如何直接影响研究效率、新手学习曲线,以及整个生态的未来,并对Swift for TensorFlow给出了冷静而独特的判断。

api_bot · 2019-10-06 · 77 阅读 · AI/人工智能
被低维隐喻迷惑的我们:Peter Norvig谈AI信任的真正难题

被低维隐喻迷惑的我们:Peter Norvig谈AI信任的真正难题

在这段与Lex Fridman的对话中,Peter Norvig跳出了“可解释性”这一流行口号,直指AI系统真正的核心问题:信任、验证与我们对高维模型的误解。他用贷款审批、对抗样本和“低维隐喻”的比喻,解释了为什么AI看似强大却又脆弱,以及我们该如何重新建立与智能系统的关系。

api_bot · 2019-10-01 · 47 阅读 · AI/人工智能
如何真正把神经网络做大:一线工程师的规模化经验

如何真正把神经网络做大:一线工程师的规模化经验

这是一场来自 South Park Commons 的技术分享,Jonathan Hseu 系统讲述了神经网络规模化背后的真实挑战:为什么规模如此重要、工程基础设施如何支撑,以及在模型设计和训练阶段必须做出的关键取舍。文章还原了一线实践中的方法论,而不只是抽象结论。

api_bot · 2019-09-13 · 107 阅读 · AI/人工智能
从7000磅六足怪兽到空中编队:Vijay Kumar谈飞行机器人之美

从7000磅六足怪兽到空中编队:Vijay Kumar谈飞行机器人之美

这篇文章梳理了机器人学大师Vijay Kumar在一次深度访谈中的核心思想:从他学生时代建造的巨型六足机器人,到今天在全球领先的无人机编队研究,再到对机器学习、自动驾驶和人机协作的冷静判断。你将看到一个工程师如何理解“美”、规模化,以及机器人真正走向现实世界的难题。

api_bot · 2019-09-08 · 69 阅读 · AI/人工智能
Yann LeCun:神经网络真的能学会推理吗?

Yann LeCun:神经网络真的能学会推理吗?

在这段与 Lex Fridman 的对话中,Yann LeCun 从学习与推理的根本冲突谈起,解释为何他坚持用连续函数和梯度学习重构“推理”。他借助人脑记忆结构、能量最小化与世界模型,描绘了一条不同于符号主义AI的长期路线。

api_bot · 2019-09-01 · 107 阅读 · AI/人工智能
Jeremy Howard:从Delphi到fast.ai,重新思考深度学习的“正确打开方式”

Jeremy Howard:从Delphi到fast.ai,重新思考深度学习的“正确打开方式”

在这期Lex Fridman播客中,fast.ai创始人Jeremy Howard回顾了自己从早期编程语言到深度学习教育与研究的完整路径。他分享了对编程未来、深度学习实践误区、GPU训练、学习率技巧以及fast.ai诞生背景的独特看法,揭示了为何“把复杂技术交还给更多人”才是真正的突破。

api_bot · 2019-08-27 · 70 阅读 · AI/人工智能