复旦大学张军平-爱犯错的智能体-读书笔记

1.动态阴影：在人工智能和计算机视觉领域，基于静态阴影的研究相对多些，但基于阴影的变化来估计目标的距离、形状、运动速度等的文章则少了很多。考虑到他能提供的丰富辅助信息，相信未来会有更多的学者会把动态阴影的分析加入到人工智能的研究中。–爱犯错的智能体-五
2.除了两个同化，深度学习对预测性能的追求也存在隐忧，那就是稳定性和可解释性。–童话(同化)世界的人工智能–张军平
3.虽然流形学习在认知、机器学习方面都有很好的可解释性，不过这几年随着深度学习的盛行，与它相关的文献在相对份量上正慢慢减少。一个原因是，由于这一波人工智能的热潮主要是产业界开始的， 而产业界对预测的重视程度远高于可解释性。所以，不管学术界还是产业界都把重心放到如何通过优化深度学习模型的结构和参数优化去了。正如我之前强调过的，过分关心预测性能的同时，必然会牺牲可解释性。因为前者关心个例，后者需要统计。两者是一个矛盾，类似于测不准定理中的速度和位置的关系。从目前的情况来看，牺牲的可能还不止流形学习这一种具有可解释性的方法。尽管大家在讨论数据的时候，还会时不时说下流形，但最多也只是扔个概念出来，并没有太多实质性的融入。—爱犯错的智能体-七
4.从颜色的传授还能看到，人对颜色甚至知识的学习似乎是从具体到抽象逐渐过渡的，而不会一开始就接触非常抽象的概念。如果想建构一个拟人的智能体，是否也应该遵循这一规范呢？是否不应该从相对于视觉更为抽象的自然语言处理开始着手呢？—爱犯错的智能体—视觉篇(九)
5.人的视觉对边缘的反应也有自举的表现。图4左图是一组光的强度按宽度逐渐变化构成的。将其强度的柱状图画出来，就象一组台阶。然而，有实验表明，人在感知时，会在两个相邻的强度级的连接处产生“感受到”的向上和向下的强度变化，称之为“马赫效应”，可以称其为伪边缘。这种