读《超AI入门》

对话
学习搜集数据生成语言
AI没有理解人类说话的意思，只学了对话模式
神经网络“隐含层”
长短期记忆网络，自主对信息遗忘
seq2seq，所有信息输入后再进行输出
学习主干道内容之一：进行区分处理（是或否）
图灵测试，中文房间测试
语义理解的术语：symbol grounding（符号接地问题）
现状是符号无法接地（理解语义），未来有可能
误差反向传播算法，根据结果对错将修正权重置的指令传递回上一个神经
神经网络主要：学习阶段，推理阶段。二者很难同时进行（线上学习）
超参数：神经网络的层数、种类、结构、激活函数、输入输出的设定方法等。
对学习数据进行过度拟合会提高识别的正确率，但是对新数据的判断准确率就会下降。也就是说，只能对己有的数据进行最优拟合。
人脑和AI的关系就像鸟和飞机的关系，模拟抽象，直到模型大不相同
目的函数
图像传感器，不同于其他传感器的单一应用面。因机器学习，今后更广泛。
在工业世界中，图像识别能够带来的下一项巨大突破就是深度学习与强化学习结合的 “深层强化学习”，也就是使机器获得身体性。