拿一個失敗例子說AI是騙局也太武斷了 你現在能跟Siri講話 Email信箱會自動擋垃圾信 手機相機會自動找人臉 都不是騙局啊 "如果是人的話 多多少少會受到驚嚇而減速" 但人在這麼短短一秒內 能不能在撞上去之前踩煞車也有爭議 "若test pattern沒打到這個快撞到鬼corner case 早就撞上去了" 但現實生活中很多機器學習應用 都沒把你個人行為特別訓練進去 另外深度強化學習只是機器學習的一個分支 說深度強化學習不成功也不代表機器學習不成功 科技發展的過程本來就會有犧牲者 當然誰都不願意被犧牲 能盡量避免犧牲最好 但如果這科技最終能給大家好處 (例如因為路上全部都是自動駕駛 減少車禍率與交通時間) 長遠來說繼續發展還是比較好 ※ 引述《sunsamy ()》之銘言： : 影／Uber自駕車撞死人畫面曝光 當下完全沒減速 : https://goo.gl/URDpTu : 新聞的影片如上 : 如果是人的話 : 多多少少會受到驚嚇而減速 : 快撞到人的反應 : https://www.youtube.com/watch?v=WGFeOliT6xw#t=23s : 快撞到鬼的反應 : https://www.youtube.com/watch?v=GdCXoAo3tUQ#t=28s : 所以目前人工智慧仍是curve fitting的產物 : 不curve fitting的話泛化能力也不夠 : 所以當然做不出會思考的強人工智慧 : 人要撞到人與鬼之前都會受驚嚇而減速或轉彎 : 是人工智慧，若test pattern沒打到這個快撞到鬼corner case : 早就撞上去了 : 所以我才說是騙局 : 各位看倌們，自已判斷吧 : 至於其它人怎麼說呢？如下 : ========================================== : 深度強化學習被成堆的炒作包圍着 : 當別人問我強化學習能否解決他們的問題時，至少有70% : 的時候我的回答是：不能。 : 深度強化學習是最接近於通用人工智能（AGI）的範式之一 : 不幸的是，它目前還不能真正地奏效。 : 人們認爲波士頓動力的機器人使用了強化學習， : 但是實際上並沒有 : 換言之，他們絕大多數情況使用的是經典的機器人技術。 : 如果你僅僅關心最終的性能 : 那麼很多問題都能夠通過其他方法更好地解決 : 即使當深度強化學習成功的時候，它也有可能僅僅是 : 過擬合了環境中的某些奇怪的模式 : 即使忽略了泛化問題， : 最終的結果也可能是不穩定的和難以復現的 : 次有人問我強化學習能否解決他們的問題， : 我還是要告訴他們，不行，不行。 : https://goo.gl/LCGfQt : ※ 引述《taxuan ()》之銘言： : : 自駕車發生首宗撞死人事故 晶片股大跌 : : 全自駕車發生首宗撞人致死的交通事故，優步（Uber）一輛自駕車周日晚上在亞利桑納州撞到一名婦女，經送醫後宣告不治。這樁自駕車開發商最害怕的悲劇，正巧發生在美國業者敦促國會通過開放自駕車的立法的敏感時刻，近來走高的晶片股應聲大跌。 : : 上周五，Uber和Alphabet旗下的Waymo聯名致函參議員，敦促國會「在未幾周內」通過自駕車立法。 : : 原國家運輸安全委員會主席 Mark Rosenker表示 ，社會大眾不應對Uber肇事過度反應。他提出美國每年因道路事故死亡者將近4萬人。 : : 代表晶片類和晶片設備股的費城半導體指數周一大跌近2%，半導體股近來表現出色，即因人工智慧和自駕車前景看好。 : : 輝達（Nvidia）大跌5.2%，輝達是Uber的合作夥伴，替robotaxis提供自駕車硬體。博通（Broadcom）和高通（Qualcomm）各跌3.9%和3.7%。 : : https://udn.com/news/story/6811/3040651 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 69.181.64.182 ※ 文章網址: https://webptt.cc/bbs/Tech_Job/M.1521736207.A.CBE.html