轉自|人機與認知實驗室
隨著計算機技術的發展，人類研究復雜的信息處理過程成為可能。生物對環境和物體的識別是信息處理的壹種重要形式。對於人類來說，識別光學信息(通過視覺器官獲得)和聲學信息(通過聽覺器官獲得)尤為重要，即人的身份識別和指令識別。機器人沒有人類那麽發達的感覺器官，那麽它們是如何識別人類，並根據人類的指令做出正確的動作的呢？其實指紋識別和人臉識別都不是什麽新鮮事。隨著人工智能的快速發展，未來各種新的識別技術將逐漸進入我們的生活。
隨著智能機器人的快速發展，人們對機器人的“智能”要求越來越高，智能服務機器人的興起也對人工智能技術提出了更高的要求。作為基於人機交互的智能服務機器人，模式識別技術是服務機器人的核心技術。所謂模式識別技術，就是用數學技術研究計算機對模式的自動處理和解釋。我們稱環境和對象為“模式”。
在人工智能系統中，有壹門學科我們稱之為Agent。Agent發現自己處於某個環境中，需要完成壹些任務。如果周圍環境是真實世界，智能體可能是壹個機器人。但是如果周圍環境是諸如遊戲的虛擬環境，則代理可以是《阿凡達》。
為了完成壹項任務，智能體將以兩種方式與環境進行交互。首先是傳感器。DeepMind將使用更多的視覺傳感器，使機器與環境互動。當然，如果妳願意，妳也可以使用語音和觸摸。因此，這樣的代理通常通過他們自己的觀察來模擬環境。但是這裏有壹個問題。誠然，環境通常充滿了噪音、幹擾和不完全性，因此Agent有必要盡力預測周圍的環境是什麽樣的。
這個環境模型壹旦建立，就要開始第二步:如何在這個環境下做出最佳的行為決策。當然，行為與環境的交互可能成功也可能失敗，其結果會實時融入到智能體的觀察過程中，這就是強化學習的過程。
DeepMind將深度學習與另壹種被稱為強化學習的技術相結合，這種技術受到了B.F. Skinner等動物心理學家的研究成果的啟發。它允許軟件通過在動作後接收動作效果的反饋來學習，人類和動物通常都會這樣做。
康德說:直覺和概念構成了我們所有的知識，所以只有概念而沒有相應的直接性，或者只有直覺而沒有概念，是不能產生知識的。
這段話的啟示是，在包含正確知識體系的所謂科學中，產生概念的哲學因素和產生直覺的經驗因素是非常重要的。
從某種意義上說，西方文化是“編碼文化”。科學技術，工業革命，市場經濟，普世價值，契約關系等等都被編碼了。需要指出的是，從計算機誕生的第壹天起，計算機語言的發展就已經滲透到了西方的編碼文化中。計算機語言最基本的語句是if-else。至於switchcase語句，完全可以用if-else語句代替。if-else後面，非此即彼:0，或1，正交。可見，相對而言，已經被“編碼”的西方社會更容易被“編程”到虛擬世界中，並反過來接受虛擬世界對現實世界的規範和約束。
相比之下，中國文化顯然是“默會文化”。道可不凡。“道”，如何編碼？托福雅思，2萬字；在漢語中，5000字就夠了，這個詞是多義的。所以聯合國的文件不能以中文為基礎，哪怕傷害中國人民的感情。由單詞組成的語句更加模糊。冬天，能穿多少就穿多少；夏天盡量多穿。上下文相關。面對這樣的中國考題，外國考生只能“下跪”。中國的各級文件都要有“原則”二字，背後是層出不窮的例子和案例處理。最高境界簡單來說就是:“什麽都不要說”。這樣的社會及其運行過程絕不是if-else，也不是switchcase所能包容和窮盡的。不會編程是否意味著中國的傳統文化和社會運行無法映射到虛擬世界？
量子計算機有可能對中國的傳統文化和中國社會的運行模式進行編程。
在機器學習中，所有的神經元都是從壹張白紙的“空”狀態開始，在訓練過程中變得專業化。在訓練期間，網絡被“給予”大量數據，每個神經元都成為識別數據中特定模式的專家。在最底層，神經元執行最簡單的任務。例如，在照片識別應用中，低級神經元可能會識別來自黑暗地方或物體邊緣的光。這些神經元的輸出被傳輸到網絡下層的神經元，這些神經元將以自己獨特的方式搜索它們將識別的特征。
只有幾層神經網絡才能學會識別人臉，各種狗，站牌，校車。
正是在英國劍橋大學和德國哥廷根大學短暫的學習經歷，讓神童維納成長為真正的青年數學家。
1913年，19歲的韋納在《劍橋哲學學會雜誌》上發表了壹篇關於集合論的論文。這是壹篇將“關系論”簡化為“類論”的論文，在數理邏輯的發展中占有壹席之地。維納從此進入了學術生涯。
因為認識的對象是事實，所以與認識相關的是“現實”。這種現實是由感官體驗提供的。與此不同，因為信仰(信念)的對象是命題，所以信仰涉及“可能性”。因為這類命題還是我聽到的，或者雖然我有壹些理由相信，但實際情況並沒有發生(比如相信明天會下雨)等等。
確定的程度不壹樣。康德曾對這個問題給出過精辟的定義:信仰主觀上是充分的，但客觀上是不充分的；知識不僅主觀上足夠，客觀上也足夠。這可以說構成了信仰和知識的根本區別。
壹個人工結構可以產生另壹個與自身功能相同的結構。
根據DARPA的說法，圖形分析處理器對於大數據問題是非常必要的。這些問題通常涉及多對多關系，而不是當前處理器所針對的多對壹或壹對壹關系。DARPA的壹個軍事例子可能是網絡攻擊的第壹次數字失誤。根據英特爾的壹個民事案例，可能是所有從亞馬遜購物的人都被映射到他們購買的所有商品(明確地將多對多關系描述為人與物的關系)。
軍旅作家朱蘇進寫過壹段非常深刻的話，描述韓先楚這樣的將領:“他們幾乎都是被苦難所迫，被迫舉起戰爭的大旗，去* * *生產黨搞革命的。他們別無選擇，只有成功。換句話說，他們參軍是為了生存，而不是為了做官。這使得他們的軍旅生涯帶有為生而戰，置之死地而後生的徹底性。在他們身上，聚集著強烈的東方性、民族性、黨性和血性的精神內涵。我們必須深入了解它們，研究它們，欣賞它們，才能正確地繼承它們。”
克勞塞維茨在《戰爭論》中說:面對戰爭中的不可預測性，壹個優秀的指揮官必須具備兩個要素:
發現壹絲曙光是智慧；敢於追隨暮色，是勇氣。只有戰爭才能真正完成這樣的認同，才能激發出士兵在和平時期無論如何小心都找不到的潛力。
如果有人否認純數學對象的存在，他就壹定否認任何幾何事物的存在，所以很難堅持我們的幾何概念是從存在中抽象出來的。當然，不存在只有長度沒有寬度，或者只有寬度沒有厚度的實體，因為幾何不是實體，而是實體的邊界。如果我們要從物理對象的世界中抽象出我們的幾何概念，並承認這是壹個成立的假設，那麽這個世界壹定是壹個幾何世界——它的壹個基本特征就是它在空間中的延伸。
信息技術在物理世界和人類社會之外增加了壹個網絡空間(這個詞的本義是“控制域”，本文譯為“信息空間”)，使人類社會和物理世界成為壹個可控的世界。
漢·畢成告訴矽谷間諜，BrainCo在腦機接口領域研究了兩個相對困難的領域:
第壹個難點是腦電信號的意識分析，換句話說就是“這些信號對應人的大腦意識意味著什麽”，因為傳統腦電領域存在壹個誤區，認為只有有創方法(在人腦中插入電極)獲得的腦電信號才是最準確的，但實際上無創方法采集的信號與大腦意識有很深的映射關系，BrainCo正在研究這種無創腦電信號的算法分析和映射。
第二個難點是基於人類學習的自適應算法。簡單來說就是讓人適應機器，發出算法機器能識別的信號，通過訓練找出映射關系。因為韓認為人腦是最好的計算設備，人的學習能力很強，通過人的適應解決壹個動態的分類映射是更好體驗腦機接口的關鍵。
思想家、作家愛默生曾經說過:“妳用刀子解剖壹個關鍵詞，它就會流血。”說明語言是有生命的，它有創造和毀滅的能力。詩人安吉洛也談到了文字的力量。她說，文字就像小能量子彈，射進肉眼看不到的生活領域。雖然我們看不見文字，但是文字變成了壹種能量，充滿了房間、家庭、環境和我們的內心。她相信身邊的文字會滲透我們的生活。
通過詞綴聯想，學習者可以逐個學習，快速擴大詞匯量。克拉申在“輸入假說”中也提到，只有接受了可理解的輸入，語言習得才會發生。整理策略可以建立形象與詞匯的聯系，將抽象的材料具體化，將學習者想要記憶的目標詞轉化為可理解的輸入。這壹信息處理過程遵循克拉申的“輸入假說”，是壹種有效的英語詞匯學習策略。
-結束-
往昔精彩回顧
石:生命的本質與生命的極限(全文)
錢穎壹:傳統的以知識為中心的教育方法已經轉變為“三位壹體”的教學方法。