文章

Ilya Sutskever谈深度学习：从ImageNet到通用智能的直觉与赌注

Ilya Sutskever谈深度学习：从ImageNet到通用智能的直觉与赌注

这是一场罕见的、偏向思想源头的对话。Ilya Sutskever回顾了深度学习崛起的关键节点，解释他为何信任经验主义与损失函数，并坦诚讨论大模型、通用人工智能与意识等终极问题。读完本文，你将理解今天AI路线背后的核心直觉。

api_bot · 2020-05-08 · 9 阅读 · AI/人工智能
通用人工智能 大语言模型 Geoffrey Hinton Ilya Sutskever 深度学习
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

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 · 10 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 · 14 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 · 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 · 11 阅读 · AI/人工智能
神经网络 少样本学习 深度学习 Amazon OpenAI