科学方法

A collection of 2 posts
Deep Learning

再从Deep Learning看科技的变革

其实,Deep Learning的基础奠定于几十年前的神经网络。 然而在90年代和整个2000年代,神经网络被工业和学术界抛弃了。为什么?因为效果还不如比如图像处理里面的各种adaboost、ASM等等特定方法,语音识别里面效果则远远不如HMM隐形马尔可夫模型。其实差距的关键,在于神经网络依赖于大量的标定数据用于学习,以及耗费大量的计算资源用于训练。 这两者在2010年之前都是不可能的。 随着移动互联网的爆发,计算性能的提高,学术界能获取到的标定数据指数型增长 ,GPU并行计算能力也有了飞跃(其实计算能力的提高带来的另一个附加变革则是同样被丢弃在垃圾堆里面30多年的VR)。 直到2012年左右,深度神经网络开始兴起,伴随而来的是识别率的不断刷新,现在图像和语音方面都已经能够做到高于人类的平均识别率了。也难怪人工智能这2年开始在投资领域和科技界不断冒泡。 这里面几点值得注意: 1. 科技的发展是交替 的。生物计算、VR、神经网络在计算性能的提升后重生;曾经遇到瓶颈的PC发展由于互联网和移动互联网,改变了整个人类社群的接入(连接)结构;当下正处于低潮期的所有产业,会由
3 min read
创业

鸡汤、名言和科学方法

先来看鸡汤: > 人生的过去、现在、未来,就是经过岁月的一种状态,不是活那些盲目的期待,或者是那些恼人的希望,放开了患得患失,等待命运的就是快乐的生活方法,简单的尽快去完成,复杂的不妨等一等。 > 长得帅,从不炫耀这是气质;有才或有财,一直很低调这就是修养。 > 我有一个美国的朋友,曾经很吃惊的问我,为什么你们中国人总是喜欢用别人的成功的例子来证明自己文章的正确性?难道失败者的奋斗就没有可取之处么? 鸡汤有3个特点: 1. 不精确。可被多种解读,每个人都能根据自己的处境解读处意思。 2. 仓促结论。 3. 盲目举例(假例子)。 鸡汤可以让你在文中看到自己,但无法给你解决方法。 再来看名言论据。 > 张颖也说,资本寒冬来了,所以我觉得资本寒冬到了。 > 亚里士多德说,羽毛比球轻,所以下落的更慢。 名言论据比鸡汤进步,但是也依旧有问题: 1. 举例有限,仓促结论。 2. 缺乏实验论证。
3 min read