当前位置: 首页 > news >正文

读书笔记:《我看见的世界》

    《我看见的世界.李飞飞自传》李飞飞 著,赵灿 译

个人理解:
是本自传,也是AI的发展史
坚持,总会转机,“一不小心”也许就成了

    算法、大规模数据、原始算力
人工智能似乎一夜之间从一个小众的学术领域爆发成为推动全球变革的力量
对人类和社区产生积极影响
未来可能是光明的,但不能守株待兔
确信人工智能未来所依赖的机构范畴远远超出科学界
推动人工智能发展的动机是什么
人性所扮演的核心角色
依然有更多我看不见的东西等待发现
生命中别无他人能够理解
我的努力只是为了自己
冒险、故事、想像力
从理论上看,学习的任体力一个方面或智能的任何其他特征,都可以被精确描述,可以通过建造相应的相器进行模拟
知识工程,knowledge engineering,有关特定领域(医学、制药、金融或几乎其他任何领域)的事实被整理成数据库
专家系统 expert system
海量信息的组织
人试图用规则详尽描述智能
从示例中发现模式
是去学习该做什么
基于规则的人工智能 rule-based AI和机器学习
感受野 receptive field
逐层进行误差的递减调整
感官所提供的信息深度和数量不断增加
大脑并不是内部某种神秘的智力火花的产物,而是对外部世界的反应
自计算机诞生之日起,文本和数字数据就可以自由搜索,但与之不同的是,仅仅是对图像进行粗略的搜索
从感官输入到可靠、可操作的知识,这是一种近乎奇迹的转变
了解我们如何看见,就是了解我们自己
虽然烦琐乏味,但依然是科学的一部分
优秀和科学家要广泛阅读文献,紧跟领域的最新发展
生活中的简单时刻值得细细品味
​​​​​​​大脑在生理上倾向于快速、稳健地检测已知的视觉概念
通过理解各种物体来理解视觉世界
单样本学习 on-shot learning
算法的决定性特征
过拟合 overfitting
​​​​​​​如果没有数据,机器学习中的学习对象就不存在了
语言结构及其在思维中的作用
打造一个无所不包的数据训练集
数据值得更多关注
科学的诀窍是跟随你的领域一起成长
​​​​​​​不要太超前
真正的智能自动化仍然最适合由人类来完成
接近于原始的视觉推理
不仅代表了规模的扩大,还代表了分类逻辑的转变
语义空间
毕竟ImageNet体量庞大,对任何一种算法来说都是难以驾驭的
​​​​​​​这是最简单的学习方式:减少失败的行为,增加成功的行为
历史刚被创造出来,而世界上只有少数人知道
人类是如何把世界概念化
即使是我们最大规模的设计,也还是想得过于狭隘了
创造亲的感知方式
永远尊重世界的复杂性,并渴望不惜一切代价对其进行探索
学生能够独立提出新创意、新想法、感知力
不只是能简单地标记任何出现在前景中的物体,更可以描述整个场景
数据中隐藏的东西远超出我们意识到的范围
表征
一个好医生是信息的总汇、力量的源泉
这项技术将如何发展、供谁使用,以有它的影响范围将会如何扩大
个人的尊严是至高无上的
世界正在变得超现实
AGI,artificial general intelligence,通知人工智能,是一种极其复杂、灵活的人工智能,不仅能完成图像分类或跨语种文本
翻译等狭隘任务,还能模拟人类一切认知能力,如分析、创造等
遵循一套明确而客观的有限规则
务必为人工智能科学赖以建立的基础文献留出空间
人工智能已经走出了实验室,基本脱离了我们的控制
参数在速度与准确、内存与效率,以及其他关注点之间进行权衡
反直觉甚至破坏性的目的
有偏见的人工智能
数据不仅有价值,而且具有影响力
这些都是可怕的事情,值得我们担心,但它们也是极端情况,不太可能明天就发生
人工智能 -- 威力越大,责任越大
一位老师可以在年轻人的生命中留下无比深刻的烙印
以人为中的人工智能 Human-Centered Aritificial Inteligence
事情的变化可能会比你想象的要快得多
依然关注人类的福祉
需要深度和保真度
越来越多的模型训练新方法
不具备真正意义上的思考能力
究竟有没有能力区分真实和虚构
最好的作品总是在边界上诞生
最重要的世界是我将不会生活在其中的世界


-- 文心一言

《我看见的世界:李飞飞自传》由美籍华裔科学家李飞飞撰写,于2024年2月由中信出版集团出版。该书以科学家回忆录形式,记录作者从中国移民少年成长为人工智能领域先驱的历程,展现其学术探索与计算机视觉技术发展的交织脉络。全书以“北极星”为隐喻,串联起跨越文化隔阂的成长经历、普林斯顿至伯克利的求学之路,以及创立ImageNet数据集、推动深度学习突破等关键节点。通过家庭叙事与科研历程的双线铺陈,既呈现人工智能从技术低谷到爆发期的演进,也探讨了科技伦理中的人文关怀与创新驱动力。

李飞飞在书中详细描述了她在普林斯顿大学和加州理工学院的学习经历,以及如何从物理学转向计算机视觉研究。她创立了ImageNet数据集,这一包含1500万张图片、涵盖22000个类别的数据库,为深度学习模型训练提供了坚实基础,推动了计算机视觉技术的飞跃发展。2012年,AlexNet在ImageNet竞赛中取得突破性成绩,开启了深度学习革命。

此外,李飞飞还在书中探讨了人工智能的伦理问题,强调“以人为本”的发展理念。她认为,人工智能应服务于人类,促进社会进步,而非成为威胁。同时,她还分享了自己在斯坦福大学创立以人为本人工智能研究院(HAI)的经历,以及推动AI4ALL教育公平项目的初衷。

自传中,李飞飞以第一人称回顾了自己的成长历程,包括家庭经济困境、母亲患病等挑战,以及如何通过教育和科学探索实现人生逆袭。她的故事激励读者保持好奇心,勇于追求梦想,并在科技发展中坚守人文关怀。该书不仅是个人的成长史,更是人工智能发展的见证,展现了科学探索的艰辛与喜悦,以及科技如何改变世界。

http://www.dtcms.com/a/331820.html

相关文章:

  • 日志系统(log4cpp)
  • 主进程如何将客户端连接分配到房间进程
  • Android UI(一)登录注册 - Compose
  • 基于Python和Dify的成本对账系统开发
  • OpenCV Canny 边缘检测
  • 软考中级【网络工程师】第6版教材 第3章 局域网 (上)
  • Linux中tty与8250-uart的虐恋(包括双中断发送接收机制)
  • Linux中Samba服务配置与使用指南
  • YouBallin正式上线:用Web3重塑创作者经济
  • 会议通信系统核心流程详解(底稿1)
  • JVM的逃逸分析深入学习
  • 17.2 修改购物车商品
  • RLVR(可验证奖励的强化学习):大模型后训练的客观评估策略
  • 负载因子(Load Factor) :哈希表(Hash Table)中的一个关键性能指标
  • AI大模型+Meta分析:助力发表高水平SCI论文
  • 多任务并发:进程管理的核心奥秘
  • 【记录】Apache SeaTunnel 系统监控信息
  • 使用ETL工具同步Oracle的表到Doris
  • 使用load data或insert导入10w条数据
  • 51单片机-GPIO介绍
  • 网络组播技术详解
  • 深入理解 `std::any`:C++ 中的万能容器
  • 俄罗斯加强互联网管控,限制 WhatsApp 和 Telegram 通话
  • P5663 [CSP-J2019] 加工零件
  • 腾讯K8S环境【TKE】中,如何驱逐指定pod重新部署?
  • Kafka下载和安装
  • Python:如何处理WRF投影(LCC, 兰伯特投影)?
  • 深度学习 --- ResNet神经网络
  • 【递归完全搜索】CCC 2008 - 24点游戏Twenty-four
  • 【完整源码+数据集+部署教程】膝关节屈伸运动检测系统源码和数据集:改进yolo11-RFAConv