相关语录

这是被整个世界忽视的那种学术时刻，但在这篇论文发表之后，神经网络进入了一个乐观和进步的新时代。随着该领域走出第一个漫长的寒冬，并乘着更大的人工智能投资的浪潮前进，研究人员所说的反向传播不再仅仅是一个想法了。

识别、存储和回忆图像在某种程度上与创造图像有关联。

学习之所以成为可能，只是因为我们的祖先进化出了代表空间、时间和持久物体等事物的‘机器’。我的预测——这只是一个预测，我无法证明——当我们学会将类似的信息整合到人工智能中时，人工智能的效果会更好。”[插图]换句话说，他相信，有很多东西是人工智能无法独立学习的，必须由工程师手工编码。

在招募了芯片制造商英伟达的一名关键工程师后，百度推出了自己的巨型GPU集群。余凯已经离开该公司，在中国创立了一家初创公司，目标是按照谷歌TPU的模式，打造一款新型的深度学习芯片。

纳德拉和微软同意给OpenAI投资10亿美元，OpenAI同意将这笔钱的大部分返还给微软，因为仅仅为了训练该实验室的系统，这家科技巨头打造了一套全新的硬件基础设施。

神经网络只是构建人工智能的一种方式，明斯基像他的很多同事一样，开始探索其他途径。到了20世纪60年代，随着注意力被其他技术吸引，他开始质疑，除了罗森布拉特在纽约北部实验室演示的简单任务之外，神经网络是否能够处理其他任何事情。

没有人能真正理解大脑，也没有人能再造它，但有些人相信这两种努力最终会相互带动。哈萨比斯称之为“一种良性的循环”。

和感知机一样，玻尔兹曼机通过分析数据，包括声音和图像数据来学习。但它增加了一个新的变化，就是会创造自己的声音和图像，然后通过对比自己创造的数据与分析的数据，来进行学习。

通过语音识别工作，辛顿和他的学生们在整个科技行业引发了连锁反应。

谷歌前首席执行官兼董事长埃里克·施密特表示：“你可以把人工智能想象成一个大的数学问题，它能看到人类看不见的模式。科学和生物学的大量知识中，存在着一些人类无法看到的模式，当被发现时，它们就能帮助我们开发出更好的药物和更好的解决方案。”

尼采不停地为了他对贝莎的热衷而责怪他，为了——他怎么形容它的？“在肉欲的食槽里进食”或“在你心灵的垃圾堆中东翻西找”，而这期间在旁边东翻西找、暴饮暴食的人，其实是尼采！