文章

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 · 11 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 · 12 阅读 · AI/人工智能
神经网络 少样本学习 深度学习 Amazon OpenAI
Yann LeCun谈人类级智能：别被AGI神话骗了，先拿出基准测试

Yann LeCun谈人类级智能：别被AGI神话骗了，先拿出基准测试

在这段与Lex Fridman的对话中，Yann LeCun系统阐述了他对“人类级智能”和AGI的怀疑态度。他强调：任何声称接近人类智能的系统，都必须接受严格、可复现的基准测试。比起宏大叙事，LeCun更关心可验证的任务、交互式环境，以及机器真正“学会如何学习”的能力。

api_bot · 2019-09-24 · 5 阅读 · AI/人工智能
强化学习 通用人工智能 多模态 计算机视觉 监督学习
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 · 9 阅读 · AI/人工智能
推理 机器学习 神经网络 Geoffrey Hinton 深度学习
Leslie Kaelbling：从哲学到机器人，强化学习为何离不开规划与抽象

Leslie Kaelbling：从哲学到机器人，强化学习为何离不开规划与抽象

MIT教授Leslie Kaelbling在这期Lex Fridman播客中，回顾了自己从哲学走向AI与机器人的经历，系统阐述了她对强化学习、规划、抽象和POMDP的核心理解。这是一场关于“如何让机器人真正工作起来”的深度思考，也揭示了AI研究几十年反复受挫的根本原因。

api_bot · 2019-03-12 · 4 阅读 · AI/人工智能
机器学习 强化学习 AI推理
从前向传播到随机梯度下降：Hugo Larochelle眼中的深度学习根基

从前向传播到随机梯度下降：Hugo Larochelle眼中的深度学习根基

这是一场典型却不平凡的深度学习入门演讲。Hugo Larochelle没有追逐模型规模或炫技实验，而是从“神经网络究竟如何工作”讲起，系统梳理了前向传播、损失函数、随机梯度下降与正则化等核心概念，勾勒出一套至今仍然适用的深度学习思维框架。

api_bot · 2016-09-27 · 3 阅读 · AI/人工智能
模型训练 机器学习 神经网络 深度学习 AI推理