Re: [閒聊] 現實世界有哪些原理不明的科技

看板C_Chat作者 (praiseZun)時間3年前 (2020/12/10 15:24), 3年前編輯推噓50(50推 0噓 75→)
留言125則, 61人參與, 3年前最新討論串5/19 (看更多)
現在的AI就是啊 深度學習爆紅是十年前就開始了 但大家根本不知道為什麼neural堆深一點就可以學習 CNN出來時屌炸天，好像什麼pattern都學的起來一樣 然後你問研究者為什麼圖片和文字的data structure兩者可以取得有類比性的成功 他會和你說我也不知道，甚至直接寫在論文裡那種 然後花了好幾年時間trial and error，用結果反推為什麼 這個研究方法不叫懂基本原理，的確比較像動漫那種黑科技知道能用就將就著應用而已 基礎原理的理解完全跟不上 當然啦，我們知道nerual net可以趨近任意函數 我們也知道這個世界和高斯分布關係很深 (高斯分布encode了最多的不確定性，同樣大小的空間下高斯能紀錄最多資訊) 但一樣啊，這只是稍微justify我們用神經網路，還有每個未知的分布都先用高斯套或高斯p rior套而已 然後他就work了 明明說因為天下沒有白吃的午餐理論，任何一個演算法都會被某一些分布的資料搞爆 但他就work了啊 著名學者像Andrew Ng在課堂上也就聳肩說看起來這世界對我們敵意沒那麼深 . . 但是最近好像終於開始有些進展了，NTK之類的 滿多是19年和今年的論文的，我還沒跟上，懂得大大請體諒我的認知 我自己一路學來是覺得 這個領域就是霧裡看花，但你學越多霧就越散 現有理論的不完整，我是覺得一部分是真的不完整 但其他一部分是大部分人，甚至可以講非AI領域，貝氏統計領域，量子領域以外的對uncert ainty(不確定性)都沒什麼認知 絕大多數人覺得世界就是0和1，不會去問threshold是什麼背後的分布長啥 一旦接受了這世界就是建立在不確定性的基礎上這設定後 很多事情就不會腦袋轉不過來這樣 要知道不一定要知道某一現象才叫懂 你知道你不懂什麼不知道什麼再能夠去推論你懂什麼 能做到這樣就很近似你懂了，這樣 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.12.84.61 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/C_Chat/M.1607585061.A.50F.html
→
12/10 15:25, 3年前 , 1F
我知道寫程式溝通都像你文章這樣 但是你好歹打文章的時候
12/10 15:25, 1F
→
12/10 15:25, 3年前 , 2F
要換成全部都是中文吧 雖然有些名詞用中文沒辦法精確表達
12/10 15:25, 2F
→
12/10 15:25, 3年前 , 3F
意思
12/10 15:25, 3F
我學這些沒透過中文學過，很多是真的想不出對應中文是什麼，不好意思
推
12/10 15:25, 3年前 , 4F
太棒了 我逐漸理解一切
12/10 15:25, 4F
→
12/10 15:26, 3年前 , 5F
很多數學公式也是先找到通則,再想辦法證明或反證,很正常.
12/10 15:26, 5F
推
12/10 15:26, 3年前 , 6F
類神經的節點 每個都是不知道衝三小的 但最後就是能
12/10 15:26, 6F
→
12/10 15:26, 3年前 , 7F
算好
12/10 15:26, 7F
推
12/10 15:26, 3年前 , 8F
因為實際上他真的沒辦法保證這做法一定比較強
12/10 15:26, 8F
→
12/10 15:26, 3年前 , 9F
供三小
12/10 15:26, 9F
→
12/10 15:26, 3年前 , 10F
可以撲要中文English mix在一起ㄇ，這樣讓我很confuse
12/10 15:26, 10F
→
12/10 15:27, 3年前 , 11F
現在真的大家懂得原理就是Fundamental Approximation Thm
12/10 15:27, 11F
→
12/10 15:27, 3年前 , 12F
也就是「資料夠多 層數夠多 就可以學得夠像」
12/10 15:27, 12F
推
12/10 15:27, 3年前 , 13F
哪天我們變成劍與魔法的世界 也會有人問魔法原理是啥
12/10 15:27, 13F
推
12/10 15:27, 3年前 , 14F
總之train下去就有結果惹，比魔法還玄
12/10 15:27, 14F
→
12/10 15:27, 3年前 , 15F
但是要多少資料或多深這類 performance gurantee 目前
12/10 15:27, 15F
→
12/10 15:27, 3年前 , 16F
是不清楚的，而且我覺得大家也不感興趣XD
12/10 15:27, 16F
→
12/10 15:28, 3年前 , 17F
那這樣來看 科技其實就是魔法
12/10 15:28, 17F
※ 編輯: praiseZun (101.12.84.61 臺灣), 12/10/2020 15:28:40
→
12/10 15:28, 3年前 , 18F
這東西沒有那麼像魔法，只是有時候效果很棒
12/10 15:28, 18F
→
12/10 15:29, 3年前 , 19F
但實際上reinforcement learning 現在正在撞壁
12/10 15:29, 19F
我自己覺得不是大家不敢興趣，是感興趣弄懂的都在數鈔票了。而且那些大家就算感覺的出 來怎麼做要寫成嚴謹的證明也是另一回事。
推
12/10 15:29, 3年前 , 20F
其實大家都是魔法師peko
12/10 15:29, 20F
→
12/10 15:29, 3年前 , 21F
我知道 因為我寫程式也都直接英文學習英文應用英文溝通
12/10 15:29, 21F
→
12/10 15:29, 3年前 , 22F
因為他很容易發生"在這個情況好棒棒 但其他情況不是"
12/10 15:29, 22F
→
12/10 15:29, 3年前 , 23F
但是我沒學過AI看你的文章就會看不懂QQ
12/10 15:29, 23F
→
12/10 15:29, 3年前 , 24F
這些詞真想全部tran成中文會馬上引來支語警察
12/10 15:29, 24F
推
12/10 15:30, 3年前 , 25F
niubi
12/10 15:30, 25F
→
12/10 15:30, 3年前 , 26F
把Deep Network 想成偶爾會膛炸的大砲就好了
12/10 15:30, 26F
→
12/10 15:30, 3年前 , 27F
這東西並不是像程式那樣保證會成立的東西
12/10 15:30, 27F
→
12/10 15:30, 3年前 , 28F
他隨時有可能在你不清楚的情況下爆開來
12/10 15:30, 28F
※ 編輯: praiseZun (101.12.84.61 臺灣), 12/10/2020 15:31:01
推
12/10 15:31, 3年前 , 29F
硬派寫實啊 人也是一樣
12/10 15:31, 29F
→
12/10 15:31, 3年前 , 30F
至少就我知道的部分，performance guarantee是一攤死水
12/10 15:31, 30F
→
12/10 15:32, 3年前 , 31F
你沒能寫成數學證明 基本上就是不知道啊XD
12/10 15:32, 31F
→
12/10 15:32, 3年前 , 32F
我想了一下 講不感興趣是不太對的說法
12/10 15:32, 32F
→
12/10 15:33, 3年前 , 33F
應該說，你現在去做那個研究 會比較難拿到錢
12/10 15:33, 33F
→
12/10 15:33, 3年前 , 34F
而且我聽到的部分是...那理論真的很難做
12/10 15:33, 34F
基礎研究現狀真的是這樣。我之前就看過美國很有名的教授在抱怨現在產的論文90%都是垃 圾，只是能快速累積應用上的成果就能被發出來了這樣
還有 51 則推文
還有 3 段內文
→
12/10 16:24, 3年前 , 86F
因為這樣才會有metaheuristic誕生阿
12/10 16:24, 86F
推
12/10 16:25, 3年前 , 87F
我覺得CNN(DNN)的原理爆開來的那一天人類應該會有很可怕
12/10 16:25, 87F
→
12/10 16:25, 3年前 , 88F
的進步。
12/10 16:25, 88F
→
12/10 16:43, 3年前 , 89F
真的不是中英文的問題，是專業問題
12/10 16:43, 89F
→
12/10 16:43, 3年前 , 90F
Neural Network翻成神經網路我相信不懂的人還是不懂
12/10 16:43, 90F
→
12/10 16:43, 3年前 , 91F
還有像domain這種翻成域以後講話別人都不知道你說什麼
12/10 16:43, 91F
推
12/10 16:47, 3年前 , 92F
深度學習我們能理解的只有梯度下降，數學只能證明到這一
12/10 16:47, 92F
→
12/10 16:47, 3年前 , 93F
步，證明模型是終究可以收斂的，但是這是微觀的理解，全
12/10 16:47, 93F
→
12/10 16:47, 3年前 , 94F
局上沒人懂他到底收斂了什麼，怎樣會平滑怎樣會卡在saddl
12/10 16:47, 94F
→
12/10 16:47, 3年前 , 95F
e point
12/10 16:47, 95F
推
12/10 16:47, 3年前 , 96F
翻成中文明明比較好，只是繁中翻譯成本太高
12/10 16:47, 96F
推
12/10 16:53, 3年前 , 97F
沒錯 AI基本上就是瘋狂亂套亂算寫公式 再套進去
12/10 16:53, 97F
→
12/10 16:54, 3年前 , 98F
大概只有前0.000001%的人 真的知道自己在幹嘛
12/10 16:54, 98F
→
12/10 16:55, 3年前 , 99F
其他:誰他媽知道那些LAYER在幹三小 結果all right就好
12/10 16:55, 99F
→
12/10 16:57, 3年前 , 100F
我以為靠大量的解來叫電腦湊多元方程式就叫AI
12/10 16:57, 100F
推
12/10 16:59, 3年前 , 101F
12/10 16:59, 101F
→
12/10 17:17, 3年前 , 102F
以目前絕大部分論文都還是英文的情況來說 翻成中文
12/10 17:17, 102F
→
12/10 17:17, 3年前 , 103F
可不一定比較好，泛用性也得考慮進來啊
12/10 17:17, 103F
推
12/10 17:30, 3年前 , 104F
流體力學最後幾章都直接教你做個等比例模型去模擬情況
12/10 17:30, 104F
→
12/10 17:30, 3年前 , 105F
，然後用公式換算到原始比例。因為實際情況複雜到原始
12/10 17:30, 105F
→
12/10 17:30, 3年前 , 106F
比例根本很難用公式算
12/10 17:30, 106F
推
12/10 17:35, 3年前 , 107F
萬聖節
12/10 17:35, 107F
→
12/10 17:54, 3年前 , 108F
歸類黑科技
12/10 17:54, 108F
推
12/10 18:33, 3年前 , 109F
的確是黑科技
12/10 18:33, 109F
推
12/10 18:33, 3年前 , 110F
用電腦做流力計算到現在也只能說是有算出趨勢
12/10 18:33, 110F
→
12/10 18:34, 3年前 , 111F
然後計算方式也是百家爭鳴...
12/10 18:34, 111F
推
12/10 18:49, 3年前 , 112F
白努力只能用在層流計算，現在一般環境幾乎都是湍流，
12/10 18:49, 112F
→
12/10 18:49, 3年前 , 113F
但計算問題前面也提到了==
12/10 18:49, 113F
推
12/10 18:55, 3年前 , 114F
我覺得未來十年二十年會很噁心
12/10 18:55, 114F
→
12/10 18:56, 3年前 , 115F
抱歉，白努力的部份說錯，希望原po幫刪
12/10 18:56, 115F
推
12/10 19:06, 3年前 , 116F
很多人在期待泛用型的AI超越人類的那天
12/10 19:06, 116F
推
12/10 19:24, 3年前 , 117F
不就大數據性質?
12/10 19:24, 117F
推
12/10 19:34, 3年前 , 118F
就是抄自然界存在的東西 就像飛機先抄鳥類構型一樣
12/10 19:34, 118F
→
12/10 19:34, 3年前 , 119F
非線性複雜系統只能部分解析特性
12/10 19:34, 119F
→
12/10 19:35, 3年前 , 120F
原理部分還是不完全明白
12/10 19:35, 120F
→
12/11 00:27, 3年前 , 121F
類神經網路用起來 感覺就是管教小孩 做錯就打 作對給糖
12/11 00:27, 121F
→
12/11 00:28, 3年前 , 122F
然後他自己就知道該怎麼做了 後面遇到新事物也會比照辦
12/11 00:28, 122F
→
12/11 00:29, 3年前 , 123F
至於他學到的判斷準則是什麼 就很難得知了
12/11 00:29, 123F
推
12/11 03:31, 3年前 , 124F
應用真的都在騙研究隨便亂疊有東西就發，根本歪風
12/11 03:31, 124F
推
12/12 00:05, 3年前 , 125F
真的很神奇 black box
12/12 00:05, 125F
‣ 更多 praiseZun 的文章
文章代碼(AID): #1VqSqbKF (C_Chat)
討論串 (同標題文章)
以下文章回應了本文 (最舊先)：
完整討論串 (本文為第 5 之 19 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共19篇)
‣ 更多 praiseZun 的文章
文章代碼(AID): #1VqSqbKF (C_Chat)