给你们讲讲深度学习真正的牛逼之处

[xiaoju]

算法没有太高技巧，BP也不过是机器学习里优化逻辑回归模型的简单扩展

早期（2020年之前）深度学习里有价值的东西不是算法，而是超参数，即算法的组成结构

现在的LLM，甚至连结构也几乎都一样，真正核心是训练和微调的方法

历史上任何企图用某种算法，公式或者模型模拟人工智能的想法最后都是粉身碎骨，收敛后的模型远超过人类数学语言的表现能力

所以本轮深度学习浪潮的真正推动者不是辛顿等三人，而是Alex Krizhevsky，Feifei这些认识到了关键不在于算法的新一代研究者

[heteroclinic]

信息本身
信息编址
地址路由

知识越多约反动

[heteroclinic]

信息本身
信息编址
地址路由

知识越多约反动

根本也没有数学模型解释复杂度
在老菌斑就问过好几遍

[hahan]

算法没有太高技巧，BP也不过是机器学习里优化逻辑回归模型的简单扩展

早期（2020年之前）深度学习里有价值的东西不是算法，而是超参数，即算法的组成结构

现在的LLM，甚至连结构也几乎都一样，真正核心是训练和微调的方法

历史上任何企图用某种算法，公式或者模型模拟人工智能的想法最后都是粉身碎骨，收敛后的模型远超过人类数学语言的表现能力

所以本轮深度学习浪潮的真正推动者不是辛顿等三人，而是Alex Krizhevsky，Feifei这些认识到了关键不在于算法的新一代研究者

这不是老生常谈嘛
人人都知道
有啥牛逼的

[Caravel]

算法没有太高技巧，BP也不过是机器学习里优化逻辑回归模型的简单扩展

早期（2020年之前）深度学习里有价值的东西不是算法，而是超参数，即算法的组成结构

现在的LLM，甚至连结构也几乎都一样，真正核心是训练和微调的方法

历史上任何企图用某种算法，公式或者模型模拟人工智能的想法最后都是粉身碎骨，收敛后的模型远超过人类数学语言的表现能力

所以本轮深度学习浪潮的真正推动者不是辛顿等三人，而是Alex Krizhevsky，Feifei这些认识到了关键不在于算法的新一代研究者

神经网络最重要是architecture，早期网络最多就10-20层，kaiming搞出resnet瞬间无上限了。后来又兴起一波自动架构搜索，其实没搞出什么名堂。再后来发现transformer，包打天下。

神经网络的进步很像是生物进化，没什么理由，但是如果新的形状有优势会很快dominant

[rihai]

笑死叔了
就是数据大了， 算力大了， 有东西可以训练了而已
打个比方， 就是专利里面“显然”的东西， 完全谈不上啥贡献
吨吨吨

算法没有太高技巧，BP也不过是机器学习里优化逻辑回归模型的简单扩展

早期（2020年之前）深度学习里有价值的东西不是算法，而是超参数，即算法的组成结构

现在的LLM，甚至连结构也几乎都一样，真正核心是训练和微调的方法

历史上任何企图用某种算法，公式或者模型模拟人工智能的想法最后都是粉身碎骨，收敛后的模型远超过人类数学语言的表现能力

所以本轮深度学习浪潮的真正推动者不是辛顿等三人，而是Alex Krizhevsky，Feifei这些认识到了关键不在于算法的新一代研究者

[xiaoju]

2002年集群的算力就完全足够训练AlexNet的，单机也跑得动预训练模型，但是没有人想去利用算力

整个学术界都在找一个神奇简单的公式，一劳永逸解决AI所有问题

笑死叔了
就是数据大了， 算力大了， 有东西可以训练了而已
打个比方， 就是专利里面“显然”的东西， 完全谈不上啥贡献
吨吨吨

[xiaoju]

kaiming的resnet实际上把CV问题完美解决了，错误率比imagenet的人为错误还低

剩下的搞不定的图片需要作为时序问题解决，比如标语，漫画等等，必须上RNN/LSTM。那些在特定任务奇奇怪怪的搜索出来的架构，本质上就包含了一些进化出来的类RNN结构

transformer本质上来说等同于RNN/LSTM等网络，但是LSTM对并行不友好，训练规模上不去，而transformer可以大规模并行

神经网络最重要是architecture，早期网络最多就10-20层，kaiming搞出resnet瞬间无上限了。后来又兴起一波自动架构搜索，其实没搞出什么名堂。再后来发现transformer，包打天下。

神经网络的进步很像是生物进化，没什么理由，但是如果新的形状有优势会很快dominant

[keyrock]

神经网络最重要是architecture，早期网络最多就10-20层，kaiming搞出resnet瞬间无上限了。后来又兴起一波自动架构搜索，其实没搞出什么名堂。再后来发现transformer，包打天下。

神经网络的进步很像是生物进化，没什么理由，但是如果新的形状有优势会很快dominant

生物根本不是进化的

我们宇宙就是个虚拟世界，是工程设计出来的，我在菌斑证明多次了

什么宇宙有95%暗物质，暗能量，就知道我们宇宙不是正常的世界。投胎转世，前世记忆，根本就是虚拟世界才有的东西

所以这些AI就是泡沫，思维上就是错误的，也根本不存在什么万能公式，下面完全走不通

[llling369]

Www.nderf.org
同意这个，这次诺奖是为了炒股票。

生物根本不是进化的

我们宇宙就是个虚拟世界，是工程设计出来的，我在菌斑证明多次了

什么宇宙有95%暗物质，暗能量，就知道我们宇宙不是正常的世界。投胎转世，前世记忆，根本就是虚拟世界才有的东西

所以这些AI就是泡沫，思维上就是错误的，也根本不存在什么万能公式，下面完全走不通

[none]

为什么李飞飞没获奖？

算法没有太高技巧，BP也不过是机器学习里优化逻辑回归模型的简单扩展

早期（2020年之前）深度学习里有价值的东西不是算法，而是超参数，即算法的组成结构

现在的LLM，甚至连结构也几乎都一样，真正核心是训练和微调的方法

历史上任何企图用某种算法，公式或者模型模拟人工智能的想法最后都是粉身碎骨，收敛后的模型远超过人类数学语言的表现能力

所以本轮深度学习浪潮的真正推动者不是辛顿等三人，而是Alex Krizhevsky，Feifei这些认识到了关键不在于算法的新一代研究者

[xiaoju]

诺贝尔生物奖？

为什么李飞飞没获奖？

[cover]

习大大早知道AI是泡沫了

外星人9月初去北京就告诉他，我们世界真相了

所以要pump中国A股，反向抽血，泡沫最怕被抽血

[wanmeishijie]

2002年集群的算力就完全足够训练AlexNet的，单机也跑得动预训练模型，但是没有人想去利用算力

整个学术界都在找一个神奇简单的公式，一劳永逸解决AI所有问题

那么训练和微调的方法有了什么革命进步？

[cover]

美国用诺奖和假数据想继续维持泡沫

习大大因为已经知道我们是在虚拟世界，AI是泡沫

泡沫支持不了太久，习大大对反向抽血信心十足

[Cellcycle2]

生物根本不是进化的

我们宇宙就是个虚拟世界，是工程设计出来的，我在菌斑证明多次了

什么宇宙有95%暗物质，暗能量，就知道我们宇宙不是正常的世界。投胎转世，前世记忆，根本就是虚拟世界才有的东西

所以这些AI就是泡沫，思维上就是错误的，也根本不存在什么万能公式，下面完全走不通

完了， 完了，，，虚拟人 还挺快乐的 忙活

[PPTT123]

2002年集群的算力就完全足够训练AlexNet的，单机也跑得动预训练模型，但是没有人想去利用算力

整个学术界都在找一个神奇简单的公式，一劳永逸解决AI所有问题

说明还是不懂原理，只想找一个更方便的公式硬套而已

[keyrock]

完了， 完了，，，虚拟人 还挺快乐的 忙活

游戏里虚拟人不快乐的 忙活吗？

概念是虚拟世界，比电脑的软件虚拟世界高级多了

是从宇宙物理定律就是专门设计，从头开始搭建的虚拟世界宇宙

缺乏想象力的地球人，想象不出这样的虚拟世界，只能想象matrix这样的

[huangchong]

2002年集群的算力就完全足够训练AlexNet的，单机也跑得动预训练模型，但是没有人想去利用算力

整个学术界都在找一个神奇简单的公式，一劳永逸解决AI所有问题

2002年估计集群都拿去给“更重要”的计算了 神经网络看图片这种事情 估计申请机时不容易 而且要传很多数据上去也麻烦 这就是为啥gpu计算这么重要 并不是非有它不可 但是这种廉价的并行计算democratized 高性能计算

[Cellcycle2]

游戏里虚拟人不快乐的 忙活吗？

概念是虚拟世界，比电脑的软件虚拟世界高级多了

是从宇宙物理定律就是专门设计，从头开始搭建的虚拟世界宇宙

缺乏想象力的地球人，想象不出这样的虚拟世界，只能想象matrix这样的

就是 虚拟人 能创造 虚拟人，，， 那我们算 底层虚拟人， 还是 最高级的虚拟人，

哦好， 不对， 我们 不能最高级， 我们也是 被 创造的 虚拟人，，，