|
|
9#

楼主 |
发表于 2022-9-20 22:17:19
|
只看该作者
本帖最后由 晨枫 于 2022-9-20 08:21 编辑 5 `+ s, k: D! ^" P
1 H8 [$ h4 o: s( D, `& }
2 o* k6 E4 {2 ]; {8 f2 [2 E4 y+ U2 I太对了!
' O" t8 P3 v/ \% i, b h" i9 ]/ a) |: E+ n, H0 r
人工智能现在一根筋搞大数据学习,正是数据问题。用自控术语来说,这是对有历史积累的时不变系统有效,时变系统就抓瞎了。 T2 H1 `: ~" S; M$ ^9 A0 X$ W0 V
' B3 i9 \) ~. v- T2 I( i4 O在思维方式上,有演绎和推理两个方面。一味依靠归纳是经验主义,不看变化的条件。归纳最终是为下一步演绎提供基础,从现有边界拓展一步才是归纳的目的。
! I X# L; g( p; @9 A6 a# m% ?- {& F* D+ H, O3 E
人工智能还需要在框架上形成演绎能力才好。怎么做到?嘿嘿,我要是知道,还在这里瞎耽误功夫嘛。
4 Q) o, ?1 O% t, P
6 O2 q2 W/ W( x9 ]% v9 v4 B/ o在自控和建模中,也曾经流行过纯数据驱动的黑箱模型。后来发现不行,robustness太差。后来转灰箱了,在具有机理背景的模型结构上,加一个黑箱尾巴,用机理模型解释大部分数据,黑箱尾巴只管“扫尾”,情况就好得多。不过实施也难得多,可以丢给“数据绞肉机”就不管的好处没了一大半。8 \ ]* T2 N1 x& U& m1 X2 _$ W! p9 v
: d W0 p0 `) x这就回到我一直在想的“复杂性守恒定理”。复杂问题如果存在简单的解决办法,一定是把复杂性隐藏到另一个方向了,最终还是绕不过去的。 |
|