2021-01-29 12:30:00
全文共1687字，預計學習時長5分鐘(在自然與養育之爭的淺層表象之下，是描述性的公式化模式與主動性生成模式之間的差異。牛頓思想總是被功能主義者而不是生態學方法所吸引。)
現代語言傾向於事物分類（即存在的分類），而不是過程的生成本質（即成為的分類）。現代語言強調名詞，而不關注動詞的細微差別。當研究量子物理領域時，語言中的偏見把人們的表達方式聯絡在一起。如果沒法實現直觀的解釋，我們就無法表達現實的本質。
大自然不需要按照人類直覺的方式呈現。人類發明了直覺，在他們所創造的這個社會中使用。而大自然在人類存在之前就已經存在了。
智慧型設計與進化之爭是人類直覺（智慧型設計）與進化過程的非直覺性之間衝突的表現。哲學家丹尼爾·丹尼特（daniel dennett）將其稱為奇怪的推理倒置，這不夠直觀，以人類觀點為中心的人類中心論通常是錯誤的。
「奧卡姆剃刀」是這種人類中心主義觀點的概括，即自然以某種方式選擇了有簡單解釋的理論。但其缺陷在於，簡單的解釋並不意味著生成過程。
理查德·薩頓（richard sutton）觀察到，馬爾（marr）的三個分析層次中的第一層次（即計算層次）沒有得到足夠的重視。薩頓提出的強化學習就是乙個適合馬爾計算層次的想法。薩頓認為，rl對於情報的目標、目的和理由是明確的。在rl中，目標是最大化獎勵訊號，在此過程中也學習策略、價值和生成模型。
如果不能表達大腦的功能，那麼我們就無法理解一般智力。大腦的目的是思考，這種說法是非常空洞的。大腦的作用是做什麼？為什麼做？以下是一些解釋：
馬爾的計算層次及其作用和原因可以從個人和自我的角度來理解。
馬爾的計算層次實際上是坎特威爾-史密斯（cantwell-smith）定義的計算表示式。計算=意圖（為什麼）+機制（如何）。智慧型過程是將意圖轉化為機制的過程。
維根斯坦有乙個非常深刻的發現，即人類會利用語言遊戲來表達不同的意圖。人類對話是一種智慧型的過程，它通過操縱社會語境來實現說話人的意圖。
後期的維根斯坦認識到了他早期的缺陷。人類的語言和所有思想都不能與所處的社交環境脫節。他在《邏輯哲學論》的結尾表達了這種荒謬：「凡是不能說話的人，都必須保持沉默。」
維根斯坦是伯特蘭·羅素的學生。具有諷刺意味的是，維根斯坦深刻的洞察力將他引向了與哥德爾（godel）的不完全性定理一致的方向，而正是哥德爾摧毀了羅素將所有數學形式化的雄心壯志。
太多研究心智的研究者都陷入了維根斯坦早期的框架中。像維根斯坦這樣的人通常有著強大的邏輯思維，用以尋求一種還原論的方法，從而將自己從社會語境中解脫出來，這並不意外。
但是，如果沒有內在的共同意向性，人類的心靈又是什麼呢？正如「缸中之腦」是乙個荒謬的命題一樣，人類的認知也無法從社會意向性中解脫出來。事實上，就如凱根（kegan）所推測的那樣，智慧型的進化是朝著乙個更複雜和更廣泛的背景發展的。
人類擴充套件思維能力，進而製造和更新自己的思維工具。這種延伸超越了對無生命工具的使用範圍，而擴充套件到了對其他個體的控制，最終擴充套件到了對自己的控制權（即敘事自我）。要使用一種工具，乙個人需要擴充套件自己的思想，以便與工具融為一體。只有在手的幫助下，乙個人才能熟練地操作錘子。因此，思維必須與身體融為一體。
與另乙個心靈共情，就是要與之感同身受。如果不置身其中，就無法感同身受。當我們本能地運用這種共情心理時，我們就會更加了解自己。人類通過共情的出現來擴充套件自己的思維，人類的意識因共情而存在。
人工智慧 深度學習與自然語言處理
如何自動處理自然語言輸入 並產生語言輸出，是人工智慧的重要研究方向。這門課主要講授近2 3年深度學習在自然語言處理方面的最新發展。課程從相關機器學習模型的數學原理和最優演算法講起，將會講到神經網路在nlp中的一系列應用，包括潛在語義分析 語音到文字的轉錄 語言翻譯以及問答，同時也會講到這些模型在cp...
滴滴出行與斯坦福人工智慧實驗室達成合作
滴滴出行宣布與史丹福大學人工智慧實驗室 stanford artificial intelligence laboratory 達成合作，雙方將圍繞人工智慧熱點課題進行科學研究 課程創新 人才培養等。這是繼牽手密西根大學之後，滴滴再一次與國際 高校進行合作，標誌著滴滴正在持續吸引 聚集海外創新資源，...
人工智慧入門 R語言資料分析與數62
不純度的度量 gini係數 是一種與資訊熵類似的做特徵選擇的方式，可以用來衡量資料的不純度。gini係數的計算方式如下 資訊增益 info gain 用於id3 gini用於cart 資訊增益率 info gain ratio 用於c4.5。id3演算法思想描述 a 對當前例子集合，計算屬性的資訊增...