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。

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。

政治运动、民族国家、活动家和叛乱分子不必付钱给大量人工去创建和分发假图像和假视频，他们可能会打造一些系统，由系统自动完成这项工作。

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。”

拾荒目标：八音符的生命。