让行外人员理解人工智能

[minchieh]

游戏厅中有一个机器叫做小球迷宫
玩法：投币->小球从顶部掉下->经过中间好几层的障碍棒->掉落至下面的 n 个洞口

• 小球：就是我们输入的图片，文字，音频
• 障碍棒：能干扰小球的运行轨迹，他的数量就是一个模型的参数数量，不同的参数=不同位置的棒子
• 好几层：这些层是放棒子的，模型的层里面是放参数的
• 棒的材质：有些材质的棒子遇到铁球弹性更强，就像不同的激活函数，如：ReLU
• 最后落入的位置：预测结果

训练：加入棒子，多次调整棒子的位置
推理：铁球，皮球，橡胶球等各种球就能准确的落到不同的位置

多次调整棒子后，这个模型就训练完成了，这个迷宫就变成了一个能分拣/识别小球的模型

所以我觉得吧，pytorch 的神经网络与一个分拣系统原理大差不差

[ty29022]

那么这套 3D 弹球系统如何解释注意力机制呢， 如何解释当红的 Transfomer 呢

我觉得只要不强求人们能理解训练过程，像反向传播，梯度下降这些数学工具
单单就神经网络的概念来说，初中生也能理解，没必须造一套似是而非的概念

个人认为负责任的科普首先要告诉人们：人工智能≠神经网络

[superrichman]

就是人工鹦鹉，你教了很多书上的句子给它，你跟它说话，它看心情说几句逗你乐。

[minchieh]

等理解玩弹力球，就可以开始理解楼上说的反向传播，梯度下降这种更高级的工具了
反向传播，梯度下降他们都是用来调整棍子的方法 ，目的就是找出正确的规律（拟合），
毕竟阻碍棍达到一定量（几百万，几千万，几个亿）后
手动调整棒子这就不行了，调个几年都调整不完，我们需要通过数学方法做一些记录，回溯，回归
拿到复盘报告（反向传播）后，经过分析可以撤掉一些棍子，让棍子倾斜一些角度等来调整，使其拟合

[lscho]

让行外人员理解人工智能 ✗
让行外人员理解神经网络 ✓

人工智能≠神经网络

[BlueSkyXN]

人工智能≠神经网络

这才是人工智能：

输入（问题） --->人无法理解的人造狗屎 --->输出（莫名其妙的回答）

[zjsxwc]

世界的本质是“计算不可约”的。——沃尔夫勒姆

[kneo]

讲故事，让外行人觉得自己理解。