※ 引述《arrenwu (柊真雪超級可愛)》之銘言：
: ※ 引述《praiseZun (praiseZun)》之銘言：
: : 近年來全世界就真的是這樣阿
: : 推崇速食文化 反智風氣
: : 你寫個認真討論文/分析文/專欄 發表認真的言論
: : 根本不會有人理你好嗎？
: 我跟你講喔，就算是在學界，那些信號處理或統計領域裡面 ML 作理論嚇嚇叫的，
: 最近也有類似的感慨。
:
: 就是啊，這些人呢，可能發了篇 25 頁以上滿滿是數學證明的paper，
: 這其中充滿許多數學分析的智慧結晶，好不容易才證明一個結果，
: 結果引用次數卻被一些短短10頁只是提出新Neural Network應用架構的paper屌打，
: 而且人家也就只是 (1) 提出架構 (2) 跑個成果 ，看起來簡直像亂兜的一樣，
: 什～麼～數學證明都沒有，結果卻被一堆人覺得好棒棒！
:
: 這些理論學者，就只能邊感慨自己拿不到錢，邊數落這風氣真是糟
:
: 然後世界上有某一大群人，正為了那個新的NN架構而感到欣喜，因為效果真是棒！
補充一下
其實深度學習在應用上有一個很嚴重的問題
就是訓練出來的模型人類很難去解讀他
你可以兜一個神經網路在某個資料庫上得到很高的準確率
卻沒辦法說出這個網路他學到了什麼，到底是根據那些規則來判斷這些資料的
之前才有研究發現可以生出東西去騙過機器學習的AI
比如說把烏龜看成槍 https://youtu.be/YXy6oX1iNoA
因為不知道模型判斷物體的規則，所以也很難去解釋為何AI會犯這種錯
在一些應用像是圖像辨識、語音辨識，這可能不會是大問題
(反正用Google語音輸入的時候他辨識錯誤就刪掉重講就好了)
在其他地方就會出事，像是自動駕駛
現在自駕車有一部分也是靠機器學習去偵測路上的各種物體
即使訓練模型的時候可以拿一堆資料讓訓練出來的模型的準確率達到百分之百
不過應用上沒有辦法保證這些資料涵蓋了現實中的所有情況
再加上訓練出來的模型難以解讀
你永遠不知道他學到的規則會不會在某些時候湊巧把紅燈看成綠燈
事實上，Tesla推出的自動駕駛技術，到目前還是瑕疵不斷，會有誤判的情形發生
可以參考以下文章
http://www.techug.com/post/self-driving-car.html
https://goo.gl/zYGgYa https://goo.gl/vCdSbk
(後兩篇是英文，原作者把中文部落格關了，找不到備份QAQ)
所以現在深度學習研究上的問題在於
很多人是拼命兜模型衝準確率發一堆paper
而不重視到底這些模型背後究竟學到了什麼
不管train出來的準確率再怎麼高，應用上受限的問題還是沒辦法解決
: BTW 那個深度啊，其實呢，就很像一種東西
:
: 什麼東西？ 太極大師的凌空勁
:
: 這種勁呢，看起來很屌，大師手隔空一甩，旁邊遠遠一個人就飛出去。
: 但是這個凌空勁呢，只對大師的弟子或信徒有效，一般人感受不到。
剛好本人也略懂太極
講一些凌空勁的東西好了
以下是凌空勁不專業教學：
首先，找一個人扮演大師
然後「被發勁的人」把全身繃緊 (不要完全僵住，留一些彈性)
當大師做出發勁的動作時，被發的人就配合將身體向後
這時因為被發的人身體繃住，就好像彈簧一樣會壓縮儲存位能
所以壓縮之後整個身體就會彈起來
多練幾次彈的方向，就可以演得很像了
(個人經驗，練了沒效恕不負責)
重點是，這過程跟負責發勁的大師 完 全 沒 有 關 係
我也不知道拿這個來示範功力的人到底在想什麼...
(之前聽過另一個版本的凌空勁
是人先跳起來，從空中將落下的位能勢經由身體動作轉成勁能一同發出
雖然不很明白，覺得實際操作起來應該會很帥XD)
推 benevolencer: 凌空勁的比喻有點棒, 如果打不到點, 所謂的深度在多 01/23 14:38
→ benevolencer: 也只是發勁跟喜歡的人能夠感受的到 01/23 14:39
你拿凌空勁去比深度學習，全世界的研究者都要哭了
深度學習是真的能實際應用的...

原來是在說類神經那邊的深度學習嘛QQ以為純粹在講對作品深度的理解欸不對 他回那篇很名顯是在指作品深度==

快推免得別人覺得我看不懂

RL

非線性模型非組合性 人類理解不了 跟神作POP同理

只知其然 不知其所以然