羞辱Dishonored

月光下的凤尾竹 · 5.4/10

就为了金丝楠木盒子我一直看到四百多章，最后跳到番外皇帝番外那几章看到所有真相与大纲，前期看不下去的亲们可以直接那几章番外，😄

熊猫睡的香（赵春雷） · 6.5/10

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

劉秀 · 2.2/10

开辟鸿蒙，谁为情种？都只为风月情浓。趁着这奈何天、伤怀日、寂寥时，试遣愚衷。