有关《AI、人类思维》说几句

）- 人类基因图谱计算：数量之大叹为观止，曾经组织分配调用了世界各国的计算机，花了十几年时间完成。其他物种的因图谱也一样复杂庞大。
）- 人类不是完全靠大脑进行思考的，尽管神经元、神经连接足够庞大，数量之大也叹为观止：但是对人类《思维》的需求来说，还远远不够。
）- 大脑只是一个《思维》的终端而已，大脑只做前端简单的《思维》。后端复杂的《思维》来自人类各自的平行的《异度空间》。
）- 人类每一个器官组织、每一个细胞都独自和平行的《异度空间》进行《信息交流、思维》，并且和也《大脑》交流。
）- 实例：音乐的演奏：手的《技能》的《信息交流、思维》并不来自《大脑》，《大脑》只是发信息要求《手》去演奏。
	（）：手的演奏：《大脑》无法完整《复述》手刚才完整的乐谱：需要用手慢慢再演奏一遍，才能知道具体的每个音符。而音乐家的手可以不加思索地演奏上万个曲目。
	（）：书法、各种人体技巧都和音乐的演奏一样，《信息交流、思维》并不来自《大脑》。
）- 人类真正的《信息交流、思维》来自人类各自的平行的《异度空间》。。。
）- 人类每个人永远不会重复的《人类基因》就是：存取各自的平行的《异度空间》的《账号密码》。
。。。
）- AI在图灵机的出现之前就有理论建立，发展到今天AI才真正实现。
）- AI真正实现的条件一共三个：
	（1）：AI算法所依赖的：数学理论已经够用。
	（2）：AI训练所依赖的：信息资源已经够用。
	（3）：AI算法所依赖的：计算机理论已经够用：神经网络理论。
	(*) 关键是《神经网络理论》的诞生！
）-  AI获得了好几个诺奖，其中其他的几个AI诺奖都只是AI的应用，真正AI计算机理论的诺奖只有一个:AI之父：《Hinton》
）-  计算机：是科学，而不是科技。计算机专业是理科，不是工科：Computer Science (CS).
）-  计算机：是科学，科学理论在于《发现解释》《自然的规律》，而不是《人类创造》《自然的规律》。
）-  计算机：神经网络理论是发现了人类《思维》方法，AI之父《Hinton》发现、模拟了人类《思维》的发法，而非创造了人类《思维》的发法。
。。。
）-  科学家有完全不同的层次，如索维尔会议的一批人类科学巨匠：爱因斯坦是开拓一片天地的科学家，而其他科学家只是在这个开拓的天地里工作的农民。
）-  人类发展不完全取决于《进化》，地球至今出现过五次生物轮回。最近的一次是《恐龙世纪》，有几百万年。《人类世纪》，才几万或认为十几万年。
）-  有几百万年发展的《恐龙世纪》，《恐龙》从出现到灭亡，《智力、科技并没有进化》。而几万的《人类世纪》，《智力、科技进化》是何等的迅猛！
）-  所以在银河系里，有可能具备地球相同条件的行星，大约有100万个：也不一定会有生命的进化出现。
）-  经典的《钟表实验》：假设有一个气球，里面有完整的上百个钟表零件，扔进宇宙中，永远不会有一天由于气球的滚动，而装配成一台可以运作的钟表。
）-  人类《蛋白质》：比《钟表》复杂无数倍，即使地球上具备《蛋白质》构成的所有元素，在短短的地球几十亿年中，不可能在自然状态下，装配成一个生物的《蛋白质》结构。
。。。
）-  公元前二百五十年前，大约300多年间，人类出现了四位圣人，在人类四个最大种族中开启了人类真正的文明：释迦牟尼、孔子、穆罕默德、耶稣。
）-  300多年间，相对45亿年的地球是一个瞬间，相对几万或认为十几万年《人类世纪》，也是一个瞬间：为何在同一个瞬间产生了四位圣人？
Advertisements
。。。
）-  真正了解AI，就要读AI之父《Hinton》的书，读新闻只是皮毛，永远不会真正了解AI。读《Hinton》的书，读一页，就有一页的理解收获。 就如同读《时间简史》一样，是每个人的必须。
）-  最后卖膏药，推荐《Hinton》的经典名著：
	)-	Sabour S, Frosst N, Hinton G E. Dynamic routing between capsules[C]//Advances in neural information processing systems. 2017: 3856-3866.
	)-	Hinton G, Vinyals O, Dean J. Distilling the knowledge in a neural network[J]. arXiv preprint arXiv:1503.02531, 2015.
	)- Srivastava N, Hinton G, Krizhevsky A, et al. Dropout: a simple way to prevent neural networks from overfitting[J]. The Journal of Machine Learning Research, 2014, 15(1): 1929-1958
	)- LeCun Y, Bengio Y, Hinton G. Deep learning[J]. nature, 2015, 521(7553): 436.
	
）-  Github上有《Hinton》的完整的书架：
	https://github.com/longpeng2008/Awesome_DNN_Researchers/tree/master/Geoffrey_Hinton/papers
	https://github.com/longpeng2008/Awesome_DNN_Researchers

）-在此十分感谢版主gonewithsmoke日夜翻译推荐的文章。
）-工作实在太忙，就写这些，不展开。
评分完成：已经给 cromwellgm 加上 300 银元！