1、AI賦能大腦 1. 人機互補、人機共舞 【華先勝博士4月12日的線上直播】 他說：AIAI的優勢有 1.1. 大計算機器的計算能力強大很多； 2.2. 大數據能夠記住和關聯的數據量， 和人腦不在一個等級； 3. 3. 有規律擅長解決有規律的問題，不論多么復雜。 【華先勝博士4月12日的線上直播】 他說：AIAI的局限有 1. 1. 不善于處理小數據問題、極端情況，而人類可以從很少 樣本中學習，并有強大的推廣能力 2. 2. 對于復雜語言、情感等處理很困難，而人類對語言及語 言的感知理解能力遠遠超過機器 3. 3. 不擅長處理不確定的問題，AI用在藝術和創造上尚處在 很初級水平，更談不上自主意識
2、 大數據的相關性(Dependency) 大數據的相關性(Dependency) 依據貝氏方法，調教機器歸納出 因果規律性(Causality) 大數據的相關性(Dependency) 依據貝氏方法，調教機器歸納出 因果規律性(Causality) 先猜測， 再拿先驗數據來修正。 從結果到原因的 推論過程就稱為貝氏 推論（Bayesian inference）。 大數據的相關性(Dependency) 依據貝氏方法，調教AI機器歸納出 因果規律性(Causality) 大計算 大數據有規律 大數據的相關性(Dependency) 依據貝氏方法，調教AI機器歸納出 因果規律性(Causality
3、) 歸納出規律性， 適用于因果性場域。 大數據的相關性(Dependency) 依據貝氏方法，調教AI機器歸納出 因果規律性(Causality) 借重AI的強大因果性推理，來 提升人類果因性推理能力。 2. AI因果推理人類果因推理 依據貝氏方法的果因關系，來調教機器的相關性(因果性)。 讓機器的因果能力持續增強。優秀的機器因果能力， 透過貝氏方法來提升人類果因性推理能力。 從兩個盒子輪流抽取，所以機率各半(1/2)。 也就是， P(C1) = 。且P(C2)= 。 因為盒子是透明的，可以看到P(x|C1) = 4/5。且 P(x|C2) = 2/5。 或者說，AI能幫我們探索盒子，更接近于透明的，就可 以更接近透明的P(x|C1) = 4/5，以及 P(x|C2) = 2/5了。 依據公式： 可以算出結果：P(C1|x)。代表了抽到藍色球，而且來自 C1的機率值。 依據公式： 由于盒子
全部分類
標準檢索
招標公告
免費下載資料庫
10000份+資源包
千萬vip文檔暢享下載
下載文檔文件編輯即用
網站精選百萬好案
百萬工程地產工作者都在用
微信掃一掃登錄
