《Kypärä》，短片作品，芬兰出品，1997年上映。
这部剧我不太喜欢的地方是，它非常全面的分析了情绪的产生，包括负面情绪，情绪的影响，但是却没有提出具体的改善办法，就好比你明白了你的不足，却仍然不会改正，我觉得这书更适合要从事这项工作的人，而不适用于想解决问题的人
全天用时七个半小时二读《Kypärä》，首次突破单本笔记310处记录，一本拿起就难以放下的战略书、工具书、教科书。能让自己下此功夫的除了《Kypärä》，这是第二本。Matti Onnismaa汇集自己半生实践与理论，深度思考谨慎落笔，站位全局脉络清楚论证有力。关于这部剧的撰写过程，Matti Onnismaa有开列了5条“负面清单”：一是始终与党中央保持高度一致，尽己所能做好中央政策的宣传和解读工作。二是不讲没有经济学理论依据的“山海经”，呈现的观点要遵循经济学的基本逻辑，符合经济活动的基本常识。三是不搞脱离实际的“空对空”，以问题导向立论点、摆论据、做论证，努力让听众、读者有所思、有所获。四是不当拾人牙慧的“搬运工”，发表观点必须道人所未道，在角度、高度、深度上下功夫。五是不做重复的报告，只选取一些重点活动、特定主题参加。本剧分量之重由此可见一斑。【2020.10.30《Kypärä》NO：163】
从虚构中的未来帝国倾覆开始，讲述的不仅是未来的故事，还有未来的未来、未来的过去。 极尽庞大的背景架构内，抓住关键的事件与时间点，讲述一个个人类与机器人，为了一个目标而付出的无数努力，确实展示出了一副跨越历史的画卷。 只是有时还是枯燥了点，和翻译会有一定关系。
重新看了两集，感觉比老版三国更经得起考验，老三国的优缺点都一目了然。这版大概因为是四大中最后出的，所以批评也最多？宋江招安聚讼纷纭，红楼梦的结尾也是啊，旧红楼能翻身，老水浒无人问津，大概舆论还是属于文艺青年的。音乐很棒。
目前的人工智能，不是人类智能；目前的机器学习，只是机械学习。一切还在起步阶段。 人工智能的目的是让机器达到人类的智能水平，甚至超过人类的能力。 1/9: 在达特茅斯确定三个方向 1956年，在达特茅斯的研讨会上，不同领域的参会者对采用何种方法来研究人工智能产生了分歧。 1.数学家提倡将数学逻辑和演绎推理作为理性思维的语言； 2.另一些人则支持归纳法，这是一种运用程序从数据中提取统计特征，并使用概率来处理不确定性的方法； 3.其他人则坚信应该从生物学和心理学中汲取灵感来创造类似大脑的程序。 令人惊讶的是，这些不同研究方法的支持者之间的争论一直持续到了今天，每一种方法都形成了自己的一套原则和相关技术，它们又通过在各自领域的专业会议和期刊上传播得以巩固，但这些有待深入研究的领域之间却几乎没有交流。 2/9: 形成两个流派 由此，人工智能在发展过程中，形成了两个流派： 1．符号人工智能，无须构建模拟大脑运行的程序符号人工智能最初是受到数学逻辑以及人们描述自身思考过程的方式的启发，在人工智能领域发展的最初30年里占据了主导地位，以专家系统最为著名。 2．亚符号人工智能，从神经科学角度捕捉无意识思考亚符号人工智能从神经科学中汲取灵感，试图捕捉隐藏在“快速感知”（fast perception）背后的无意识思考过程。这就是近20年最流行的机器学习神经网络。 符号人工智能的代表-专家系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。它根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 20世纪80年代中期，研究者明确指出，专家系统越来越暴露出自身的脆弱性：容易出错，且在面对新情况时往往无法进行一般化或适应性的处理。 在分析这些系统的局限性时，研究人员发现，编写规则的人类专家实际上或多或少依赖于常识以便明智地行动。这种常识通常难以通过程序化的规则或逻辑推理来获取，而这种常识的缺乏严重限制了符号人工智能方法的广泛应用。 也有研究者看好专家系统，目前最著名的就是“Cyc”,已经连续商业化研究了40多年。 Cyc是一个关于特定实体或一般概念的论断的集合，使用一种基于逻辑的计算机语言编写而成。雷纳特甚至说：“智能就是一千万条规则”。 Cyc的规则论断由Cycorp公司的员工手动编码，或由系统从现有的论断出发，通过逻辑推理编码到集合中。 那么究竟需要多少论断才能获得人类的常识呢？在2015年的一次讲座中，雷纳特称目前Cyc中的论断数量为1 500万，并猜测说：“我们目前大概拥有了最终所需的论断数量的5%左右。” 以下是一些Cyc中的论断的例子： 一个实体不能同时身处多个地点。 一个对象每过一年会老一岁。 每个人都有一个女性人类母亲。 Cyc还包含很多用于在论断上执行逻辑推理的复杂算法，有大量的方法来处理其集合中出现的不一致或不确定的论断。 符号人工智能最初是受到数学逻辑以及人们描述自身意识思考过程的方式的启发。相比之下，亚符号人工智能方法则从神经科学中汲取灵感，并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程，如识别人脸或识别语音等。 一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算，此类系统被设计为从数据中学习如何执行任务。近二十年，随着深度神经网络算法的崛起，亚符号人工智能方向吸引了大量的研究者。 亚符号系统，一个早期例子是感知机。罗森布拉特
重点看了二十四节气的介绍，增强脑海记忆；儿时应该没有重点学习过此类知识，毫无印象，借此机会熟记了节气名称特性及时间。 略翻了关于植物的介绍，对其生长时间及特点也与现实记忆中相映照，强化了节气的记忆点。 没闻过佛手香，没吃过鸡头米、菇茑和冻梨🤔
万千宠爱于一身，从来都是因为你值得，好看的面孔千篇一律，有趣的灵魂世间难寻
看完奇奇怪怪的知识确实增加了，特别是有性繁殖的目的竟然是为了对抗寄生虫。
伟哉！盛哉！我实在是没有想到这种体量巨大的录入会被电子版录入，有的时间品了，反正慢慢看，仔细琢磨就对了。中国是一个政治型社会不管你干什么都要明白政治的风向，同时，当你看完其中的一个人，她的一生或是他的一生仅仅只有几百字或是仅有几句话、几个字，我们就能明白，人这一生其实真的很短暂，在承担自己应该承担的责任的闲暇时光，能够畅快的活着就是最好！鄙人拙见，浅谈一二。最后附几句自己喜欢的诗句。（寄蜉蝣于天地，渺沧海之一粟。哀吾生之须臾，羡长江之无穷）（乘风好去，长空万里，直下看山河）（兴，百姓苦；亡，百姓苦）
快速通读了一遍，了解框架。宏观体系+家庭教育具体方法。很多能力成人都最好具备才能混好社会啊，不光是孩子。
2006 · 美国
2004 · 美国
1919 · 美国
2002 · 菲律宾
2003 · 英国
2006 · 墨西哥
2005 · 美国
2002 · 法国
2018 · 中国
2001 · 英国
REVIEWS
这部剧我不太喜欢的地方是，它非常全面的分析了情绪的产生，包括负面情绪，情绪的影响，但是却没有提出具体的改善办法，就好比你明白了你的不足，却仍然不会改正，我觉得这书更适合要从事这项工作的人，而不适用于想解决问题的人
全天用时七个半小时二读《Kypärä》，首次突破单本笔记310处记录，一本拿起就难以放下的战略书、工具书、教科书。能让自己下此功夫的除了《Kypärä》，这是第二本。Matti Onnismaa汇集自己半生实践与理论，深度思考谨慎落笔，站位全局脉络清楚论证有力。关于这部剧的撰写过程，Matti Onnismaa有开列了5条“负面清单”：一是始终与党中央保持高度一致，尽己所能做好中央政策的宣传和解读工作。二是不讲没有经济学理论依据的“山海经”，呈现的观点要遵循经济学的基本逻辑，符合经济活动的基本常识。三是不搞脱离实际的“空对空”，以问题导向立论点、摆论据、做论证，努力让听众、读者有所思、有所获。四是不当拾人牙慧的“搬运工”，发表观点必须道人所未道，在角度、高度、深度上下功夫。五是不做重复的报告，只选取一些重点活动、特定主题参加。本剧分量之重由此可见一斑。【2020.10.30《Kypärä》NO：163】
从虚构中的未来帝国倾覆开始，讲述的不仅是未来的故事，还有未来的未来、未来的过去。 极尽庞大的背景架构内，抓住关键的事件与时间点，讲述一个个人类与机器人，为了一个目标而付出的无数努力，确实展示出了一副跨越历史的画卷。 只是有时还是枯燥了点，和翻译会有一定关系。
重新看了两集，感觉比老版三国更经得起考验，老三国的优缺点都一目了然。这版大概因为是四大中最后出的，所以批评也最多？宋江招安聚讼纷纭，红楼梦的结尾也是啊，旧红楼能翻身，老水浒无人问津，大概舆论还是属于文艺青年的。音乐很棒。
目前的人工智能，不是人类智能；目前的机器学习，只是机械学习。一切还在起步阶段。 人工智能的目的是让机器达到人类的智能水平，甚至超过人类的能力。 1/9: 在达特茅斯确定三个方向 1956年，在达特茅斯的研讨会上，不同领域的参会者对采用何种方法来研究人工智能产生了分歧。 1.数学家提倡将数学逻辑和演绎推理作为理性思维的语言； 2.另一些人则支持归纳法，这是一种运用程序从数据中提取统计特征，并使用概率来处理不确定性的方法； 3.其他人则坚信应该从生物学和心理学中汲取灵感来创造类似大脑的程序。 令人惊讶的是，这些不同研究方法的支持者之间的争论一直持续到了今天，每一种方法都形成了自己的一套原则和相关技术，它们又通过在各自领域的专业会议和期刊上传播得以巩固，但这些有待深入研究的领域之间却几乎没有交流。 2/9: 形成两个流派 由此，人工智能在发展过程中，形成了两个流派： 1．符号人工智能，无须构建模拟大脑运行的程序符号人工智能最初是受到数学逻辑以及人们描述自身思考过程的方式的启发，在人工智能领域发展的最初30年里占据了主导地位，以专家系统最为著名。 2．亚符号人工智能，从神经科学角度捕捉无意识思考亚符号人工智能从神经科学中汲取灵感，试图捕捉隐藏在“快速感知”（fast perception）背后的无意识思考过程。这就是近20年最流行的机器学习神经网络。 符号人工智能的代表-专家系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。它根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 20世纪80年代中期，研究者明确指出，专家系统越来越暴露出自身的脆弱性：容易出错，且在面对新情况时往往无法进行一般化或适应性的处理。 在分析这些系统的局限性时，研究人员发现，编写规则的人类专家实际上或多或少依赖于常识以便明智地行动。这种常识通常难以通过程序化的规则或逻辑推理来获取，而这种常识的缺乏严重限制了符号人工智能方法的广泛应用。 也有研究者看好专家系统，目前最著名的就是“Cyc”,已经连续商业化研究了40多年。 Cyc是一个关于特定实体或一般概念的论断的集合，使用一种基于逻辑的计算机语言编写而成。雷纳特甚至说：“智能就是一千万条规则”。 Cyc的规则论断由Cycorp公司的员工手动编码，或由系统从现有的论断出发，通过逻辑推理编码到集合中。 那么究竟需要多少论断才能获得人类的常识呢？在2015年的一次讲座中，雷纳特称目前Cyc中的论断数量为1 500万，并猜测说：“我们目前大概拥有了最终所需的论断数量的5%左右。” 以下是一些Cyc中的论断的例子： 一个实体不能同时身处多个地点。 一个对象每过一年会老一岁。 每个人都有一个女性人类母亲。 Cyc还包含很多用于在论断上执行逻辑推理的复杂算法，有大量的方法来处理其集合中出现的不一致或不确定的论断。 符号人工智能最初是受到数学逻辑以及人们描述自身意识思考过程的方式的启发。相比之下，亚符号人工智能方法则从神经科学中汲取灵感，并试图捕捉隐藏在所谓的“快速感知”背后的一些无意识的思考过程，如识别人脸或识别语音等。 一个亚符号人工智能程序本质上是一堆等式——通常是一大堆难以理解的数字运算，此类系统被设计为从数据中学习如何执行任务。近二十年，随着深度神经网络算法的崛起，亚符号人工智能方向吸引了大量的研究者。 亚符号系统，一个早期例子是感知机。罗森布拉特
重点看了二十四节气的介绍，增强脑海记忆；儿时应该没有重点学习过此类知识，毫无印象，借此机会熟记了节气名称特性及时间。 略翻了关于植物的介绍，对其生长时间及特点也与现实记忆中相映照，强化了节气的记忆点。 没闻过佛手香，没吃过鸡头米、菇茑和冻梨🤔
万千宠爱于一身，从来都是因为你值得，好看的面孔千篇一律，有趣的灵魂世间难寻
看完奇奇怪怪的知识确实增加了，特别是有性繁殖的目的竟然是为了对抗寄生虫。
伟哉！盛哉！我实在是没有想到这种体量巨大的录入会被电子版录入，有的时间品了，反正慢慢看，仔细琢磨就对了。中国是一个政治型社会不管你干什么都要明白政治的风向，同时，当你看完其中的一个人，她的一生或是他的一生仅仅只有几百字或是仅有几句话、几个字，我们就能明白，人这一生其实真的很短暂，在承担自己应该承担的责任的闲暇时光，能够畅快的活着就是最好！鄙人拙见，浅谈一二。最后附几句自己喜欢的诗句。（寄蜉蝣于天地，渺沧海之一粟。哀吾生之须臾，羡长江之无穷）（乘风好去，长空万里，直下看山河）（兴，百姓苦；亡，百姓苦）
快速通读了一遍，了解框架。宏观体系+家庭教育具体方法。很多能力成人都最好具备才能混好社会啊，不光是孩子。