拿一個失敗例子說AI是騙局也太武斷了
你現在能跟Siri講話 Email信箱會自動擋垃圾信
手機相機會自動找人臉 都不是騙局啊
"如果是人的話 多多少少會受到驚嚇而減速"
但人在這麼短短一秒內 能不能在撞上去之前踩煞車也有爭議
"若test pattern沒打到這個快撞到鬼corner case 早就撞上去了"
但現實生活中很多機器學習應用 都沒把你個人行為特別訓練進去
另外深度強化學習只是機器學習的一個分支
說深度強化學習不成功也不代表機器學習不成功
科技發展的過程本來就會有犧牲者
當然誰都不願意被犧牲 能盡量避免犧牲最好
但如果這科技最終能給大家好處
(例如因為路上全部都是自動駕駛 減少車禍率與交通時間)
長遠來說繼續發展還是比較好
※ 引述《sunsamy ()》之銘言：
: 影／Uber自駕車撞死人畫面曝光 當下完全沒減速
: https://goo.gl/URDpTu
: 新聞的影片如上
: 如果是人的話
: 多多少少會受到驚嚇而減速
: 快撞到人的反應
: https://www.youtube.com/watch?v=WGFeOliT6xw#t=23s
: 快撞到鬼的反應
: https://www.youtube.com/watch?v=GdCXoAo3tUQ#t=28s
: 所以目前人工智慧仍是curve fitting的產物
: 不curve fitting的話泛化能力也不夠
: 所以當然做不出會思考的強人工智慧
: 人要撞到人與鬼之前都會受驚嚇而減速或轉彎
: 是人工智慧，若test pattern沒打到這個快撞到鬼corner case
: 早就撞上去了
: 所以我才說是騙局
: 各位看倌們，自已判斷吧
: 至於其它人怎麼說呢？如下
: ==========================================
: 深度強化學習被成堆的炒作包圍着
: 當別人問我強化學習能否解決他們的問題時，至少有70%
: 的時候我的回答是：不能。
: 深度強化學習是最接近於通用人工智能（AGI）的範式之一
: 不幸的是，它目前還不能真正地奏效。
: 人們認爲波士頓動力的機器人使用了強化學習，
: 但是實際上並沒有
: 換言之，他們絕大多數情況使用的是經典的機器人技術。
: 如果你僅僅關心最終的性能
: 那麼很多問題都能夠通過其他方法更好地解決
: 即使當深度強化學習成功的時候，它也有可能僅僅是
: 過擬合了環境中的某些奇怪的模式
: 即使忽略了泛化問題，
: 最終的結果也可能是不穩定的和難以復現的
: 次有人問我強化學習能否解決他們的問題，
: 我還是要告訴他們，不行，不行。
: https://goo.gl/LCGfQt
: ※ 引述《taxuan ()》之銘言：
: : 自駕車發生首宗撞死人事故 晶片股大跌
: : 全自駕車發生首宗撞人致死的交通事故，優步（Uber）一輛自駕車周日晚上在亞利桑納州撞到一名婦女，經送醫後宣告不治。這樁自駕車開發商最害怕的悲劇，正巧發生在美國業者敦促國會通過開放自駕車的立法的敏感時刻，近來走高的晶片股應聲大跌。
: : 上周五，Uber和Alphabet旗下的Waymo聯名致函參議員，敦促國會「在未幾周內」通過自駕車立法。
: : 原國家運輸安全委員會主席 Mark Rosenker表示 ，社會大眾不應對Uber肇事過度反應。他提出美國每年因道路事故死亡者將近4萬人。
: : 代表晶片類和晶片設備股的費城半導體指數周一大跌近2%，半導體股近來表現出色，即因人工智慧和自駕車前景看好。
: : 輝達（Nvidia）大跌5.2%，輝達是Uber的合作夥伴，替robotaxis提供自駕車硬體。博通（Broadcom）和高通（Qualcomm）各跌3.9%和3.7%。
: : https://udn.com/news/story/6811/3040651