（转载）屌丝揭开了一个被刻意掩盖的真相：AI模型训练方向错误

[redot]

此帖转自 redot 在 军事天地（Military） 的帖子：屌丝揭开了一个被刻意掩盖的真相：AI模型训练方向错误

这是 Alexandr Wang跳脚的关键

其实，真正ai或者DL 的重要判决之一是训练集
不是越大越强，显然在同样结果的前提下，训练集越小才越智能

人类本身的学习和训练都是非常有限的集合，人工智能的方向不同吗？

人类的智能和学习过程是什么？举一反三，触类旁通

我老多年前就指出这一点，但业界还是比训练数据 我老一气之下 决定走人，不给钱，只能如此

[牛河梁]

你这观点当然是错误的。没有足够数据，就是盲人摸象。瞎猫抓死耗子。

[redot]

你这观点当然是错误的。没有足够数据，就是盲人摸象。瞎猫抓死耗子。

同样结果的资源使用量 - 逻辑？

[牛河梁]

同样结果的资源使用量 - 逻辑？

谁证明了R1有同样的结果？

[redot]

R1，有更好的结果，微软介绍是一个证据

数据量多少，和算法优化
不是一个问题，不可单向绝对，所谓的量，质的关系
一个天才一生能接触到的数据有多大
80/90年代的算法，模型，当时无法执行，后来算力，存储够了，酒大进展，是事实
堆数据，拼算力，有用，但不是最优解
有时候，突破就是一层窗户纸，如果钻牛角就可能出不来，或者事倍功半