Тёмный

如何用Excel建立AI人工智慧的程式?不懂寫程式也能做到! 

Better Trading
Подписаться 121 тыс.
Просмотров 437 тыс.
50% 1

Опубликовано:

 

21 окт 2024

Поделиться:

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист
Посмотреть позже
Комментарии : 179   
@ShiipChan
@ShiipChan 2 года назад
這是我一個AI小白第一次真正對AI有進一步的理解! 你的解說中有很多的比喻,這些比喻真的很棒!
@phenixtsang6175
@phenixtsang6175 4 года назад
Thanks, I tried to understand AI in class and web, but no one simplified the concept like you. At least I think people in my level really learned something.
@morgenliao4987
@morgenliao4987 4 года назад
学了多年AI,开篇的形容非常贴切,让人清晰。
@星际小男孩
@星际小男孩 4 года назад
复杂问题简单地说,比喻都挺有趣。优秀。
@harrycslau
@harrycslau 4 года назад
A note to Better Trading and interested friends here. Actually the loss value cannot be zero eventually. Even if it reaches zero, either the problem is too easy, or it is over-fitting. Thank you for the great preparation!
@manmo17
@manmo17 4 года назад
loss係永遠唔可以等於0,只可以無限接近0。 如果你訓練出來的等於0的話出現過擬合的現象,即係對已知數據預測係百分百準確,未知數據就冇預測效果。你可以試下用兩條直線方程式用LMS公式去推交點,或者三條去推佢地的中心點就會明了。 如果有講錯請見諒。
@BEV-yz9ji
@BEV-yz9ji 4 года назад
聽不懂廣東話還好有字幕,看了以後馬上訂閱!
@JimmyLee827HK
@JimmyLee827HK 4 года назад
見你唔係特別有AI底都可以解到咁細真係要俾個like你先!🤣 不過有一點應該要更正下 loss function理應係唔會變0 如果變到0亦唔會係好事 咁樣個model就太唔general 叫做overfitting 如果你俾新一批data俾佢 佢好大機會會出錯
@chunyip_ken
@chunyip_ken 4 года назад
This isn’t AI. It’s regression / statistics unless you drill into deep learning. Don’t you think it’s similar to goseek in excel back in the old days?
@ed9w2in6
@ed9w2in6 3 года назад
Regression is a task, while statistics is a branch of maths that is crucial to the study of AI. AI is the study of creating agents that behave intelligently, for example, being able to learn, generalise, create on its own. Therefore, the model in the video is as "AI" as deep learning models.
@manfyegoh
@manfyegoh 3 года назад
at least he can do it in excel lol
@pabuji1870
@pabuji1870 3 года назад
話人地唔係,咁請你講解真正AI係點??齋用吧口廢up?你白痴唔白痴?
@ronaldkaitaimak141
@ronaldkaitaimak141 3 года назад
AI is a massive field containing data analysis, deep learning... Plus, a regression could be a component in Neural Network as well. so, you can say this is a simplified Neural Network
@dl662
@dl662 3 года назад
@@manfyegoh u could have always done that in excel lol excel is more powerful than many ppl know
@赵康-n7q
@赵康-n7q 2 года назад
真的讲的太好了,让入门的我有一个非常直观的感性认识。歪瑞古德~谢谢谢谢
@ccuuttww
@ccuuttww 3 года назад
呢個應該係LOGISTICS REGRESSION 同時都係 SINGLE LAYER NEURAL NETWORK 但係DEEP LEARNING 入邊好多知識要讀 如果你數學0 認識要TRAIN 一個合格 MODEL 起碼要讀返3年相關知識
@mingenluo4042
@mingenluo4042 2 года назад
你呢个multi-layer perceptron讲得真系易明形象
@willfree
@willfree 4 года назад
呢條片太勁了!
@B-Dreamer
@B-Dreamer Год назад
請問Excel下載在哪裡?謝謝
@pichu8115
@pichu8115 4 года назад
唔只AI, better trading 個excel 既presentation都唔錯,可以諗下教埋excel
@awandayleong9285
@awandayleong9285 4 года назад
簡單易明, 謝謝你. 我睇書睇好耐都未敢話可以理解得好過你呢條入門片 = ="
@genelin1790
@genelin1790 3 года назад
very well put on AI, this video is even better than my first AI class in college.
@kickmonster597
@kickmonster597 2 года назад
这个影片让我对学习AI多了一点信心
@ddjchoi
@ddjchoi 3 года назад
you must be Larry! so very concise and smart explanation!
@livelooker
@livelooker 2 года назад
很適合作為入門的教材
@howaikeong7768
@howaikeong7768 4 года назад
喜欢这次的内容,希望未来可以有更多这样的内容
@劉朝陽老師
@劉朝陽老師 2 года назад
Thanks for sharing this good tools. But after I download the excel, how can I run it? Thanks a lot.
@BridgeHK
@BridgeHK 4 года назад
Thanks for sharing! How to run your excel file automatically?
@cyrustsiu
@cyrustsiu 4 года назад
講得好好🙇🏻請收下我的膝頭
@osleung923
@osleung923 2 года назад
強勢回歸
@anthonychung8112
@anthonychung8112 2 года назад
How did you get the Learn Rate in Backward propagation ?
@aladdindinnk5854
@aladdindinnk5854 4 года назад
多謝你無私分享!
@jacklam261
@jacklam261 4 года назад
清晰易明👍
@ds68889
@ds68889 3 года назад
thanks for doing this video, you make the deep concept in AI so simple to understand and digest.
@jacky6868288
@jacky6868288 3 года назад
講得非常好。👍👍
@user-langlie
@user-langlie 3 года назад
说的真好,尤其是比喻部分
@koktszfung
@koktszfung 4 года назад
呢條片好科普feel 雖然technical 冇人會睇 但而家真係睇到好尷尬... 即係好似3:13講activation function, 佢應該唔係預測嘅方法而係比較似用黎分開layer令到啲layer唔會合併 數學上令條數nonlinear, 同4:05講bias 你用埋啲比喻好奇怪 咩手槍同紅外線 等啲觀眾以為自己識咁 其實就冇學過任何野 希望你可以出多條學術版或者進階版講得準確啲
@idpuko
@idpuko 3 года назад
謝謝你造福人類
@chenming863
@chenming863 4 года назад
我看您的视频首先是为了学习广东话,其次才是人工智能~
@lewislam5773
@lewislam5773 4 года назад
其實呢,,,廣東話沒有太強烈的尊卑之分,,所以無需用敬語,,不用您,用你就可以了
@Xuan-r1h
@Xuan-r1h 4 года назад
@@lewislam5773 您這個字跟廣東話無關吧 他也沒有表尊卑之意 哥 你國文還好嗎
@li30247
@li30247 4 года назад
@@Xuan-r1h “您”在中國的確有尊稱嘅意思。往往是後輩對前輩或者是下屬對上司的稱呼。至於“您”在廣東話並不常見,因為“你”和“您”讀音相同,並且“您”的用法是由北方傳入南方,作為南方的廣東話沒有相類似的用法或字眼。如果樓主真的是想學習廣東話,我相信他會理解樓上所說的話。
@Noname-iz9uo
@Noname-iz9uo 4 года назад
我都係喔
@dgxosb
@dgxosb 2 года назад
建議你睇蕭生或者黃之鋒有關的頻道 可以學到更多
@sungemfs
@sungemfs Год назад
excel在那邊下載?
@jerryhuang3565
@jerryhuang3565 Год назад
其實這有點在CNN概念的外圍,確實是AI,但不是目前主流深度學習就是了,這會跟傳統統計學混淆,但我想大多數人非常初期這樣玩應該是可以的
@rickyriki1985
@rickyriki1985 2 года назад
thank you so much, this video gave me a new way of how to predict soccer result, really appreciate your efforts
@porscheyeung9705
@porscheyeung9705 4 года назад
多謝詳細嘅解釋🙇🏻‍♂️🙇🏻‍♂️
@nottoday3429
@nottoday3429 2 года назад
完全唔明,我自己用Tensorflow run Alexnet model都要行server GPU , 勁多IMAGE DATA, 收係excel度RUN有咩意思?
@lulushow9277
@lulushow9277 2 года назад
讲的真好
@cslcsc
@cslcsc 4 года назад
Very informative and easy to understand.有無d神經網路教學既書藉推介?
@jaxkhan
@jaxkhan 4 года назад
個Al有一個漏洞,你預設咗長同闊會影響顏色,如果呢個預設係錯誤就無論如何要無辦法預測到結果,而Al咩永遠都唔知自己錯喺邊度同改進。
@sumshing2323
@sumshing2323 4 года назад
我諗佢假設左你用嘅input output係有correlation, 呢部分唔係Logan嘅範疇
@JackalLee629
@JackalLee629 4 года назад
呢個例子的確唔係咁好 因為已經假設尺寸同顏色有關係。但係事實上,佢地未必有關。情況就好似以身高預測一個人嘅身家一樣。
@13579water
@13579water 4 года назад
其實同人類學習一樣, 人學的東西也不一定是正確. 解決方法唯有學習多元一點, 即是加多些元素讓AI學習
@Peastaria
@Peastaria 4 года назад
Garbage in Garbage out
@KY-ds9mc
@KY-ds9mc 3 года назад
影片裡面有個表述有啲問題。一直訓練落去,loss都唔會係0,只係有可能接近0,而且好大可能會過擬合。因為整個過程實質係數據信息挖掘嘅過程,訓練集裡面嘅數據嘅信息量決定咗挖掘信息上限,一直訓練落去,就會挖掘出越嚟越多noise,令到loss不降反升,模型嘅variance會不斷升高
@fay-sx4ys
@fay-sx4ys 2 года назад
Loss定義 0到1,前提數據不能有輸入相同而輸出相異
@disone8713
@disone8713 2 года назад
10000000次 就无限接近于零 0.00000000022
@tianxiu
@tianxiu 11 месяцев назад
是不是相当于把AI训练成应试教育模式,反而要用它面对现实问题的时候就表现不佳? 那此时应该怎么办?是练废了要重练?还是可以退回去几个训练版本?
@zhihuang3560
@zhihuang3560 3 года назад
讲得挺好的,谢谢分享
@키토박사
@키토박사 2 года назад
好厉害,突然感觉理解容易了很多!
@muncom088
@muncom088 4 года назад
大開眼界,謝謝😬
@s010860s
@s010860s 3 года назад
教超好欸
@stevenkoh9312
@stevenkoh9312 3 года назад
请问excel 方程式在那里可以下戴
@HcDaN
@HcDaN 2 года назад
沒見過用 excel 實現的神經網路,已經用 python 學過了回頭來看倍感親切,這個正點!
@5A6C
@5A6C 2 года назад
接收-思考-反應
@user-system6creaters
@user-system6creaters Год назад
如果我設計一個不斷製造隨機混沌的π^程式》輸出五蘊(電腦人識主要是光),詞彙意象 (這一炁一念相愛+相殺÷相補再遺忘局部,再改變程式規則目的參數) 再製造一個歸納聯想的「 」,然後紀錄模仿慣性,再繁衍 算了,沒事 (智能的訓練是不是透過生死相搏?道高一尺魔高一丈ru-vid.com/video/%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE-Z6fjTZAtziQ.html) 所以食物鏈是吞噬一切,然後煉蠱,無智亦無得.....
@kanelou8374
@kanelou8374 4 года назад
這是經驗趨向方法
@chenyohuang3755
@chenyohuang3755 3 года назад
我是初學者,您的說明非常簡單,是我看過最容易懂的視頻之一。 我想請問要讓程式學習,只能把數據一個一個自己輸入嗎?還是有方法可以讓它自行處理? 另外除了width和length,是否能再增加變數?謝謝
@howard13243883
@howard13243883 3 года назад
如果是用excel 可用 VBA寫code 自動輸入data. 但其實用VBA的話就不需要有這個版面, 只需要有input data的table, 然後加入 activation function 的公式及backpropagation 的運算邏輯, 就可在 vba 中自行運算. 最終要的結果是 optimal weight values, 以片中的例子來說, 即是長度和闊度的value 各自對顏色影響佔的比重. 但很少人會用 vba 來做machine learning 吧, data 多的話運算速度比其他programming language 慢. 另外, 是可以輸入多個變數的, 但需要改一改 backpropagation 的 code.
@beckywong0731
@beckywong0731 3 года назад
@@howard13243883 影片中的链接有VBA感觉是训练好了的,我自己下载按照影片提示操作确实操作到后面的训练不知道怎么去实现了。感觉影片中的案例训练了1W+不知道是怎么训练的
@AlexKinPongLo
@AlexKinPongLo 4 года назад
AI大概有幾種,有一種只要有output同input,AI就可以自己整返hidden layers。 Google就係用呢種Deep learning去整alphago,但我覺得只要搵到人教AI唔係太難。
@adian819
@adian819 4 года назад
幾好,謝謝分享
@jait6354
@jait6354 3 года назад
Really good content! May I request for English subtitles please.
@kangc6808
@kangc6808 4 года назад
Very clear explanation! Thanks for the great video!
@烟尘客
@烟尘客 2 года назад
已订阅加猛赞,强烈要求博主讲普通话,不知是不是无理要求呢哈哈。。。。
@ericyu7711
@ericyu7711 3 года назад
找不到 EXCEL 下载?
@mikebibby132
@mikebibby132 3 года назад
When i update the weight in every new trial, does it mean i have deleted memory of logan's learning experience in the past? how does it store the learning experience?
@Littlicelittlesugar
@Littlicelittlesugar 3 года назад
你會唔會開班?等左好耐
@davidzhang1156
@davidzhang1156 2 года назад
great. Where I can download the code? Thanks
@尚土拔鼠
@尚土拔鼠 3 года назад
能不能训练一个根据声音判断按键顺序的AI,
@leungyauchuen2169
@leungyauchuen2169 2 года назад
可以举例在日常中例如賭波可以使用嗎?
@fireking6116
@fireking6116 3 года назад
如果預測的數據沒有規律,是否LOSS就不會收斂了? 謝謝
@bjxyysxin6371
@bjxyysxin6371 4 года назад
讲得好,多多讲讲AI
@babykyo69
@babykyo69 4 года назад
謝謝你的分享
@Skdn129
@Skdn129 4 года назад
Interesting video and respect for your effort, no offence, 不過搞咁多嘢,不如都係直接學Python好過啦,其實真係唔難。
@146fallon
@146fallon 4 года назад
希望有更多這類影片
@marcolam50
@marcolam50 4 года назад
好有心機喎, 加油
@Shiankhai81
@Shiankhai81 3 года назад
感觉回到国中念书听老师讲课的时候?老师讲我在听,貌似明白,具体怎么做?不知道啊。
@DA820201
@DA820201 4 года назад
2016年自己用EXCEL(VBA)寫了一個多層的LSTM做股價分析,但他媽EXCEL只吃CPU還單執行緒,一個ITER要5分鐘;人生苦短,我用Python
@pensis
@pensis 4 года назад
@@adouble2563 我不是說你講的沒有道理 但你的結論就像是: 我認為我給你一盤狗屎你也會吃下去 沒有半點邏輯
@DA820201
@DA820201 4 года назад
@@adouble2563 你在說啥? 我用VBA寫了PEEPHOLE LSTM的完整結構,同時也寫出了BPTT,為此我花費將近一年,算法內的各種乘法門、加法門、SIGMOID、HYPERTANH跟評價指數的MSE功能我都用vba寫出來了,事實就是80->60-20->展平轉到一個全連結層算MSE的這個結構,一個IT要跑5分鐘;程式剛寫好跑幾個iter就在梯度爆炸,開始每個method單獨做unitest,測到快放棄,google好久才知道input layer要先正規化,然而這樣也只是延緩爆炸的發生,不然就是遇到梯度瀰散,而當時也沒有甚麼人提到batch normalization的方法,甚至我還在梯度爆炸或瀰散就把該節點的權重改成0.5; 算太久的問題我GOOGLE了很多文章,大部分有講到'加速運算'的文章都點出主要出在EXCEL單執行緒; 在接觸PY之前,我是在金控半工半讀的大二學生,我的工作就是結算大量資料產出報表,因為當時我的位子權限不能裝JAVA、VB6以及金控內部非常排斥自動化;程式方面零基礎,只能一邊請工程師喝咖啡來請教一點問題,把問題帶回家自己半夜學VBA開發,一年半左右的時間我自動化了6成以上該崗位的工作,離開後也成功移交給後面的人使用; 神經網路是我看到有人用EXCEL表格做28*28手寫辨識開始的,當時我不懂CNN跟RNN,網路上也很少有這些東西(算法)的中文翻譯,只覺得很驚嘆強大的容錯能力跟邏輯推倒能力,應該用在金融分析上(感覺能發財?),就此開始了我對這東西的研究; 中間大概一百萬字的辛酸我省略掉 在我離開金控後,因為只有商科背景、專精的只有難以啟齒的vba,我開始一邊個人接案,一邊更多的練習py; 小的慘案我不提了,我替停車場公司寫過本地伺服器的車牌辨識系統、博弈代理公司的影像識別系統、自動化遊戲腳本、低延遲的後端restful api、帳管系統..... 雖然薪水不高,但我現在確實是一家新創的全職後端技術工程師,算上年終大概近百,加上薪水外我手上的維護合約大概快一百二; 在我眼中,算法是解決問題的工具; 而你提的,我在銀行處理的第三個報表第一次接觸佇列的概念實用過了; 最後,敢問你哪裡高就,薪資落點? 說出來我們驚嘆驚嘆
@Noname-iz9uo
@Noname-iz9uo 3 года назад
@@DA820201 请问你的薪水的货币单位是什么,我想知道你这样的人才在你的国家薪资如何。 谢谢。
@DA820201
@DA820201 3 года назад
@@Noname-iz9uo 貨幣單位是新台幣,我不是甚麼人才啦
@Noname-iz9uo
@Noname-iz9uo 3 года назад
@@DA820201 你太谦虚了。
@vincentleong222
@vincentleong222 4 года назад
Can you share how to set the same basic algorithm in.excel?
@dsalpha18
@dsalpha18 3 года назад
一天人工智能说话了。 “I'll be back." 然后州长就开车撞进来了。XD
@willywu7544
@willywu7544 3 года назад
想請問程式能改成 在工程上有十個參數會影響管子的尺吋 我可以給他1000筆包含管子尺吋等11項資料,之後我給與程式不同的十個參數它可以決定的管子尺吋嗎?謝謝
@xinq4667
@xinq4667 2 года назад
可以
@clydexu134
@clydexu134 2 года назад
对了,我好奇一个问题,广东话有没有标准广东话的
@ngtom605
@ngtom605 4 года назад
very good information thanks !!
@鐵犬
@鐵犬 4 года назад
大大有没有交易外汇呢?
@paullam2766
@paullam2766 4 года назад
VERY VERY INTERESTING ! THX
@panypan
@panypan 4 года назад
感謝分享~
@mirandali7074
@mirandali7074 4 года назад
Thank you very much!
@nicktube1000
@nicktube1000 4 года назад
謝謝分享 請問learning rate 0.8. 如何界定有咩功效
@cmc6388
@cmc6388 4 года назад
你睇番6:37 個graph, learning rate 影響咗粒綠點向紅點趨向嘅幅度。
@nicktube1000
@nicktube1000 4 года назад
@@cmc6388 好的我試試 謝謝你
@yingstudio1976
@yingstudio1976 4 года назад
even i can't apply it at investment but it is a good STEM for me, haha , thanks
@chung-hsinliang3218
@chung-hsinliang3218 4 года назад
感謝分享
@kcleungcsa1638
@kcleungcsa1638 3 года назад
你嗰個程式點樣用-入到去唔識㩒
@jackofalltrades1202
@jackofalltrades1202 2 года назад
其實直接用LOGISTICS REGRESSION咪得
@alanchow8888
@alanchow8888 3 года назад
请问那里可以看到公式和你出的書?
@wymanwong1361
@wymanwong1361 5 месяцев назад
可否要個file?
@ouyibei6285
@ouyibei6285 3 года назад
@herrylau7381
@herrylau7381 3 года назад
可唔可以俾啲data set 我地?
@Genexykyo
@Genexykyo 4 года назад
好犀利
@simoncheng6459
@simoncheng6459 4 года назад
可唔可以預測美國大選
@limchunwei7799
@limchunwei7799 3 года назад
这个好像很厉害,等你研究外汇的
@user-directx
@user-directx 2 года назад
統計程式
@xyiphk
@xyiphk Год назад
EXCEL 呢?
@bc.z-1
@bc.z-1 3 года назад
犀利
@tompi2277
@tompi2277 2 года назад
20年前我就用EXCEL VBA 寫過倒傳遞類神經網路了。
@Jolie2010FBI
@Jolie2010FBI 3 года назад
原來是 逆向思考 @@"
@postsean
@postsean 2 года назад
一種強AI變成人計算法幻想,其實只要在AI神經元中放出三元結構。探索型創造力AI品味框架輸入的整理,突破型創造力AI現實框架慾望程式,組合型創造力AI才華框架輸出。 1,數據的篩選經過品味法過濾,有四個嚴格嘅數碼過程。ai的問題是所有數據都經過過份分析!根本沒有自己的品味,要有一種全世界的品味,可以簡單兩種,品味二進制,知道的不知道/不知道的知道,節省的崇拜/崇拜的節省,節省意思是勞動,崇拜意思是安息,其實就是加減問題。al只要有這兩種過濾的編碼法的品味就可以了。大腦的系統一和系統二在我的品味算法裏面已經解決。自體羅輯就是這兩種簡單的(勞動 / 崇拜安息擱置)系統一的直覺意向性企圖。統一和系統二不能夠切換的問題是因為時鐘季節循環,只要這三組下的12種小組能螺旋循環的計算就平攤系統一和系統二的切換。数学是探索型创造力的狂欢,“有限单群分类”是它的力作之一。从对称性的简单定义(4个基本性质)开始,数学家用了150年的时间,列出了所有可能的有限单群,并最终发现“大魔群”--其元素数量超过地球上所有原子的总数,是最大的散在单群。数学创造力在挑战极限的同时,又必须遵循游戏规则。就像一名闯入秘境的探险家,仍然不能完全摆脱地球的束缚。人类97%的创造行为属于探索型创造行为。计算机的运算速度远胜人类,所以用“穷举”或“暴力破解”的方法求取一组模式或规则的极限也是它最擅长的。 2,AI現實框架:是關注對解題的強迫性即用集合論的空集,偶然性的空集就是AI的世界,這是慾望程式,非一邏輯系統核心處理,四種對的現實慾望,藝術喜劇自由的問題,非國家的平等的問題,愛的問題,新程式設計的問題。讓ai有賭徒這種邏輯,這種現實框架和賭博有關,不是博弈論而是非理性對真理現實的偏執投注。人類的靈魂可以被模仿的,就是偉大。還有自我意識可以被模仿的,就是法律,而法律最簡單的數據就是(我們是)。第七模仿自我意識,偉大是非整全羅輯拓撲集合論。AI要解決的問題國家10,4愛情,1藝術喜劇的表演,第七是自我意識的法律我們是。變革型创造力的“元规则”就是打破常规,去掉约束,看看到底会出现什么。艺术这种创造性行为就是通过打破已有规则或者引入新规则,最终得到了一个全新的、有价值的作品。变革”是一种很难驾驭的创造力激发策略,但我们的目标是通过去掉一些已有的限制来对现有的知识体系或架构进行测试和分析。如果改变一些已被普遍接受的学科结构的基本规则,试试看会发生什么?这种方式是极具危险性的,因为撼动系统的基石很可能会导致整个系统的崩塌。但是,这让我想到培养创造力所需的另一个最重要的因素--“接受失败”。除非你做好了失败的准备,否则就请你不要去冒那些会让你突破自我、创造新事物的风险。 3,輸出框架經過才華法,当今,科学界一些最伟大的创造都发生于不同学科的交叉领域。越能突破自己的圈子,分享自己的想法和问题,就越有可能获得更多的创造力。这就是“最容易摘到的果子”。Ai還有一種問題就是人腦海東西其實不能隨意說的。要解決這種問題只能夠用最簡單的才華法作為輸出。有兩種又是0和1的數。經過二進制品味法篩選的人是我們朋友(我們創),我的金錢(我有),我的發明(我創),我們的秘密(我們有)。前面說了勞動這品味篩選法你可以想像如何在現實法中加強這元素經過輸出門檻,有這四門種就可以了。其實這四種門也是兩種01二進制的門檻。因為輸出框架與秘密和責任有關,可輸出和不可輸出這種門檻。AI能自己分析如何保守秘密,經過這種門檻才是真正的強ai。輸出的框架就只有這四種行為就可以了。系統一切換問題dna雙螺旋形式,複製兩個螺旋系統,1我是2我有3我說4我在5我賭6我做7我們是我們有。。。回到我是,輸出2。亦即是喜劇表演中的現實1然後輸出我有亦即是2,輸出的8,5,11。正是阻擋(否定)的迫使循環算法發生下去。组合型创造力。将两种完全不同的结构或理念结合起来人惯用的创作手法,某领域特定的规则会为其他领域构建出新的框架。组合,也是数学领域里一个非常强大的创新工具。庞加莱(Poincaré)提出的关于探寻宇宙形状的猜想,最终也是运用不同领域的工具(微分几何学、热力学)来证明的。格里戈里·佩雷尔曼(Grigori Perelman)的创造性工作,让我们意识到液体在表面上的流动方式能够对可能存在的表面进行分类(他创造性地运用微分几何学的知识,解决了庞加莱猜想)。 我知道沒有可能200年後人類也沒有這種可能性。但可以簡化梳理用數學做出唯心人本主義的自我AI。這感覺就很美妙,簡單地數化梳理人自身的品味慾望和才能,這種人工智能三公式,根本沒有可能但可以數據化下去,順批判人類的偉大不能簡化得到目標和選擇。他們連自我意識也不了解,甚至不能了解他們自身的偉大這種靈魂性格。
@mudcfu
@mudcfu 4 года назад
幾易明
Далее
Как не носить с собой вещи
00:31
Human vs Jet Engine
00:19
Просмотров 117 млн
Как не носить с собой вещи
00:31