作为开发者之一，V2 refactor终于发布了！直接转贴tianqi微博上的介绍：&br&&br&&a href=&/p/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&微博 文章 - cxxnet和大规模深度学习&i class=&icon-external&&&/i&&/a&&br&&br&这篇文章介绍的是关于并行深度神经网络的设计。在今年发布的两个机器学习项目中，cxxnet是最精彩的一个。因为它包含了我们团队可以发挥到的机器学习和系统的各个方面的极致： 除了前沿的深度学习之外，它的两个独到特点也是让我们在设计实现中最为享受的&br&&p&&b&1) 灵活的公式支持和极致的C++模板编程；&/b&&/p&&p&深度神经网络的实现大致分两类：以python为主的编程效率派和以c++为核心的为代表的追逐性能派。前者支持直接tensor的计算，而后者往往需要给每个神经网络的层和更新公式编写独立的cuda kernel。编程效率派认为机器学习程序员应该是写公式来达到代码最大的可读性和易改写性。而很多以C++为核心的代码之所以没有支持非常灵活的张量计算，是因为因为运算符重载和临时空间的分配会带来效率的降低。&/p&&p&cxxnet的核心mshadow在这两者之间做了一个平衡。使得我们在不损失效率的前提下可以通过模板编程技术允许开发者编写和matlab/numpy类似的代码，并且在编译时自动展开成优化的kernel。其背后的expressiontemplate技术是我最喜欢的c++ trick之一。非常值得最求效率抽象和优美的同学了解。&/p&&p&因为采用了mshadow作为核心，直接导致cxxnet的各种实现可以非常简单可读，编写一份代码就可以在GPU和CPU上面跑。使得其在代码简洁和可扩展上更加容易。&/p&&p&&b&2) 通用的并行参数共享和更新方案&/b&&/p&&p&多卡和多机计算一直是大规模机器学习中一个让人兴奋的话题。提到神经网络并行，最让我头疼的是可以选择的方案很多，而都涉及到不同的hack。单机多卡到底是用P2P，还是拷贝到内存，是用stream开始开多线程。分布式到底是用parameter server，MPI还是自己写一个框架。可以选择的方法很多。设计出一个分布式的代码不难，困难的是如何让并行的接口自然的独立出来，使得其不会影响其它部分的实现。经过不断地考虑，最终我决定采用了mshadow-ps这样一个统一的参数共享接口。&/p&&p&简单的说，mshadow-ps是一个GPU的异步parameter server接口（应该也是目前为止唯一一个，因为GPU线程模型和CPU不同，原有的的ps库并不能直接用于GPU）。异步通信对于神经网络的更新非常重要。在backprop算法中，我们很早就可以获得梯度并且进行梯度同步，而只有到下一次forward到对应层的时候才会需要这个weight。&/p&&p&我和limu合作设计了ps风格的三个接口来解决这样的同步问题，Push/PullReq和Pullwait。当获backprop得梯度的时候直接调用push把梯度发送出去，并且调用pullreq请求结果。Push和Pullreq都是异步操作，背后会有单独的线程同时完成数据拷贝同步，以及拷回的操作。而当我们需要weight之前在调用Pullwait来等待可能没有完成的操作。这样简单的三个接口，使得我们可以经过很少的改动就可以设计出多卡和分布式的神经网络来，并且在调用这些接口的时候完全不需要关系同步的实现是什么。&/p&&p&值得一提的是，这样的编程模式把多GPU，分布式以及各个通信框架直接结合起来。mshadow-ps支持单机多卡的GPU PS，以及基于parameter-server的分布式PS实现。同样的也可以很容易MPI来支持多机通信。使得一个统一的接口，可以完成从单机多卡到分布式各种后端实现的支持。并且因为高效的异步通信，使得我们可以在alexnet上面达到linearspeedup(注：并行的难度在于计算和通信的时间比，weight少更加复杂的网络反而更加容易线性加速，而alexnet是非常困难的例子)。&/p&&p&经过团队里面大家不断地努力，cxxnet的V2终于可以和大家见面了。除了上述介绍的技术亮点之外，还有各种好玩的特性。现在把特点总结如下：&/p&&p&1. &b&轻量而齐全的框架&/b&： 我们尽力维持最小的依赖库实现最多的功能。推荐环境下仅需要CUDA, OpenCV, MKL或BLAS即可编译。&br&2. &b&强大的统一的并行计算接口&/b&：基于mshadow-ps的并行计算接口采用了一份代码解决了多GPU，多机的异步同步。同步和计算重叠，在多份测试中均可以得到线性加速比。&br&3. &b&易于扩展的代码结构&/b&：cxxnet计算核心由mshadow提供。Mshadow使用户可以编写numpy/matlab风格的代码，但仍具备手动优化cuda 代码的灵活性。CPU和GPU共享同一份代码，在编译期间通过模板自动翻译成CUDA/MKL调用。&/p&&p&&br&另外一些特性包括：&br&4.
&b&CuDNN&/b&&b&支持&/b&：Nvidia原生卷积支持，可加速计算30%！&br&5.
&b&及时更新的最新技术&/b&：我们将及时跟进学术界的动态，例如现在已经支持MSRA的ParametricRelu和Google的Batch Normalization&br&6.
&b&Caffe模型转换&/b&：支持将训练好的Caffe模型直接转化为cxxnet模型（本周内上线！）&br&7.
&b&方便的语言接口&/b&：在Python中直接进行训练，方便可视化。Matlab也将很快提供&br&&/p&&p&我们相信可以通过最简洁清晰的代码来完成高效的C++深度神经网络实现。我们也欢迎对于系统和机器学习有兴趣的同学加入到项目中来&/p&
作为开发者之一，V2 refactor终于发布了！直接转贴tianqi微博上的介绍：这篇文章介绍的是关于并行深度神经网络的设计。在今年发布的两个机器学习项目中，cxxnet是最精彩的一个。因为它包含了我们团队可以发挥到的机器学…
来自子话题：
以前知乎上有个问题，上知乎会给人带来什么错觉？ 我觉得其中一个就是原来科研的人都是拿Google搜文章的。&br&&br& 难道你们实验室没有买各大出版社的授权么？没有内部文献检索系统么？再不济，也可以直接上IEEEXplore，APS，OSA之类的网站搜索啊。&br&--------------------------------&br&点反对+没有帮助的同学们，请看题好么？做题不审题的么？&br&PS:NIST入职培训的时候关于检索文献的内容可没告诉用google，也许是NIST本身自己的检索系统就挺好的吧。
以前知乎上有个问题，上知乎会给人带来什么错觉？ 我觉得其中一个就是原来科研的人都是拿Google搜文章的。 难道你们实验室没有买各大出版社的授权么？没有内部文献检索系统么？再不济，也可以直接上IEEEXplore，APS，OSA之类的网站搜索啊。----------------…
来自子话题：
不要赞！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！&br&&br&如果......分享给你的朋友同学就好了~&br&&br&好像套用那句广告词（赶集网，啥都有）——上快搜，啥都搜！（谷歌当然也是必须的啦！）&br&地址：&a href=&/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&快搜 — 搜索快人一步&i class=&icon-external&&&/i&&/a&（对啦！别忘了下拉更多哟~）&br&&img src=&/ff5f854b4bc10f49d9541a3_b.jpg& data-rawwidth=&1024& data-rawheight=&738& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/ff5f854b4bc10f49d9541a3_r.jpg&&&img src=&/bbdc2dda_b.jpg& data-rawwidth=&1024& data-rawheight=&738& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/bbdc2dda_r.jpg&&&img src=&/751dfb492c5d3df72e79db9_b.jpg& data-rawwidth=&1024& data-rawheight=&738& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/751dfb492c5d3df72e79db9_r.jpg&&&img src=&/0fbfdbd9e048facfa02c8_b.jpg& data-rawwidth=&1024& data-rawheight=&738& class=&origin_image zh-lightbox-thumb& width=&1024& data-original=&/0fbfdbd9e048facfa02c8_r.jpg&&
不要赞！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！如果......分享给你的朋友同学就好了~好像套用那句广告词（赶集网，啥都有）——上快搜，啥都搜！（谷歌当然也是必须的啦！）地址：（对啦！…
来自子话题：
&ol&&li&先推荐一个文章，Google语法详解，这个是必读的，传送门&a href=&/p-.html& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/p-.h&/span&&span class=&invisible&&tml&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&
&br&&/li&&li&在局域网内不要搜索与国家领导人姓名相关的词，比如“胡萝卜”神马的&/li&&li&使用合适的关键字，尽量使用词组而非长句&/li&&li&搜索后无法访问的网页可以尝试使用缓存&/li&&li&很多时候，当Google失灵时，切换代理是明智的选择&/li&&li&使用chrome的情况下（非chrome不清楚）可以看到你搜索的关键词在网页中的位置和网页预览，便于你判断是否需要&/li&&li&对每个关键词返回的结果进行判断，参考google相关搜索关键词进行关键词修正&/li&&li&时光隧道是个好东东，不了解的应该尝试一下&/li&&li&Google可以对搜索结果进行分类，方便快速查询，选择分类后，可以对不同分类有不同的操作，很人性化（所以返回页面的左侧很重要，表无视它）&/li&&li&如果你外语不好，但是中文超强，可以尝试使用Google翻译那些外语页面，如果你外语不好，汉语一般，就表翻译了，翻译了也很搞笑的结果，直接点击所有中文网页或者简体中文网页&/li&&/ol&
先推荐一个文章，Google语法详解，这个是必读的，传送门 在局域网内不要搜索与国家领导人姓名相关的词，比如“胡萝卜”神马的使用合适的关键字，尽量使用词组而非长句搜索后无法访问的网页可以尝试使用缓存很多时候，当Google失灵时，…
来自子话题：
&p&百度只告诉你人民想要搜什么。如果你觉得准，那大概你的品位跟人民差不多吧（逃&/p&&br&&img src=&/3b292daadeccd10fbe8514e_b.jpg& data-rawwidth=&671& data-rawheight=&195& class=&origin_image zh-lightbox-thumb& width=&671& data-original=&/3b292daadeccd10fbe8514e_r.jpg&&
百度只告诉你人民想要搜什么。如果你觉得准，那大概你的品位跟人民差不多吧（逃
来自子话题：
上面有很多工程师的答复，这方面我不专业，至于如此繁复精细的“算法”为什么还老让人觉得推荐得不如人意，请参照下面这篇文章：&a href=&http://www./article/18013/pandora& class=& external& target=&_blank& rel=&nofollow noreferrer&&&span class=&invisible&&http://www.&/span&&span class=&visible&&/article/1&/span&&span class=&invisible&&8013/pandora&/span&&span class=&ellipsis&&&/span&&i class=&icon-external&&&/i&&/a&&br&你们看了后就应该知道，推荐音乐，不单单是程序的事，所以潘多拉进行了复杂而细致的歌曲分析，也就是文中的“基因组计划”，尽管一个方向可以让工程师来干这事，但其实还是越界了，对歌曲基因提取得越细致越精确，基于各种精致算法/建模/行为分析的推荐才可能真正与你的口味擦边，所以作为半个业内人士，我的答案是，难点是在分析音乐上，而不是工程上。一首歌曲，它有情绪，节奏，颜色，明亮度，乐器，和声，风格/流派，歌手/乐队，旋律，编曲，配器，歌词，隐喻等等等等，哪怕不讨论算法，抽取这些特征都是一个大工程，在国内的电台，这个才刚刚起步，脱离音乐性谈算法，那永远是我听到一首左小祖咒的点了喜欢，就听了一晚上的国内摇滚，听到一首Nirvana的点了喜欢，一晚上几乎可以听到它一张专辑，这是我的真实体验。&br&现在国内做类似电台的越来越多，很多未必准备好了就仓促上马的，假如豆瓣的推荐只是有点不靠谱的话，还有更多“推荐”仅仅相当于“随机”，哈。
上面有很多工程师的答复，这方面我不专业，至于如此繁复精细的“算法”为什么还老让人觉得推荐得不如人意，请参照下面这篇文章：你们看了后就应该知道，推荐音乐，不单单是程序的事，所以潘多拉进行了复杂而细致的歌曲分析，也就是文中…
来自子话题：
其实我觉得，基于大样本得出结论，都是科学的。无论神经网络还是中医。&br&&br&当然，中医不科学的地方是其对于原因解释的过程。在我看来，完全就是玩虚的。为了解释问题，引入定义不明的各种术语（火，湿，热）。术语的不良定义，不严格定义，甚至自相矛盾的定义，导致你怎么说怎么都有理。同样的一句话，不同人会有不同的理解，更别提如何让大家基于共同理解来解决问题了。而且，中医还有个特点就是，什么都能给你解释一下，没有它不懂的，只有你理解错的，搞得像传销一些样，挺虚的。&br&&br&不过，不乏有些中医研究，是比较客观的。只是如果中医如果不抛弃那套老祖宗忽悠人的术语，或者不对术语进行严格定义，我认为中医的理论上不会有太大的进步。（当然，对于诊断、回答病人问题，我觉得用术语，搞得虚点没什么，反正病人懂得差不多就行。但是研究的话，一定要抛弃模棱两可这种态度。）&br&&br&神经网络不一样，虽然现在deep learning大家确实也解释不清为什么效果好。但是，科学的态度就是，我们不知道就是不知道，我们不用各种术语来忽悠你，来非得解释一下。但是我们知道的，我们都解释得清清楚楚，都经过了严格逻辑验证。同样的一句话，只要不是你本身学渣没学明白，可以达到的理解都是一致的，因此大家可以基于共同的理解继续求解问题。&br&&br&其实，科学和非科学性，重点在于严谨的态度上。&br&&br&p.s. 欢迎拍砖。不要寄刀片就好。
其实我觉得，基于大样本得出结论，都是科学的。无论神经网络还是中医。当然，中医不科学的地方是其对于原因解释的过程。在我看来，完全就是玩虚的。为了解释问题，引入定义不明的各种术语（火，湿，热）。术语的不良定义，不严格定义，甚至自相矛盾的定义，…
可以。&br&&br&其中一种基于监督学习（Supervised Machine Learning）的方法如下：&br&&br&第一步，选择一组人脸特征，比如两眼间距、眼睛尺寸、鼻子尺寸、肤色、嘴巴尺寸，嘴唇与鼻尖距离等等。&br&&br&第二步，建立人脸自动识别算法，给定一张人像时，可以自动计算上述人脸特征。&br&&br&第三步，找大量人的照片，然后找一堆人来给这些照片上的人打分。&br&&br&第四步，选用一种机器学习的算法，比如SVM、ANN之类。&br&&br&第五步，将第三步的人像随机分成两组，A组多一些，B组少一些。&br&&br&第六步，用A组图片经过特征提取来“训练”机器学习算法，也就是调整参数，使得算法输出的分值尽量接近人工打分的结果。并用B组图片进行验证，看看算法对不包含在A组中的图片是否能正确计算出结果。&br&&br&第七步，“训练”完成后就可以用来给任意人像打分了。但由于对于计算机来说人像特征提取是比较有难度的，所以可能需要要求统一大小的正面不笑免冠照。&br&&br&另外，这种打分程序只反映第三步中那些打分的人的审美标准。
可以。其中一种基于监督学习（Supervised Machine Learning）的方法如下：第一步，选择一组人脸特征，比如两眼间距、眼睛尺寸、鼻子尺寸、肤色、嘴巴尺寸，嘴唇与鼻尖距离等等。第二步，建立人脸自动识别算法，给定一张人像时，可以自动计算上述人脸特征。…
来自子话题：
首先关于语言的选择，个人认为还是Matlab比较合适，因为目前在学术领域，用Matlab的人感觉还是相对多一点的。题主如果在写代码的过程中遇到了问题，也比较方便向别人请教。目测开源的机器学习库也是Matlab更多。当然如果对程序速度有严格要求，就可以考虑C++。&br&&br&其次对于题主你来讲，最重要的问题是要明确自己的&b&目的&/b&。&br&说实话，如果只是一个课程作业的话，完全没必要深入到很多算法的细节，只要了解了算法的大体流程即可，再选择别人实现好的算法，多次测试，一般结果是可以让人满意的。&br&但如果题主是想继续在机器学习领域深入研究的话，了解算法细节就是必不可少的了。不过即便这样，还是要从简单入手逐渐加深难度。否则学习曲线太陡，一般人都hold不住。&br&（另外自己感觉机器学习还算是入门容易精通难的，深入研究充满了大量细节和数学，研究者们也在一直outperform其他人……(￣ε￣；)）&br&&br&所以，综上，题主最好&b&从简单入手&/b&！(￣ε￣；)&br&先了解基本算法思路，再使用县城代码进行实验！&br&&br&在此，我强烈推荐一个模式识别库 &b&PRTools5&/b&！在这里下载：&a href=&/software/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Software - Pattern Recognition Tools&i class=&icon-external&&&/i&&/a&，作者叫&a href=&http://rduin.nl/& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&R.P.W. Duin&i class=&icon-external&&&/i&&/a&。&br&这个库最大的优点就是简单方便，而且实现了大量大量常用算法，对于初学者，完全可以上手就用，避免陷入细节的泥潭。而且都经过大量测试，基本没有严重bug。简单举几个栗子：&br&首先，需要构造两个数据集：&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&A&/span& &span class=&p&&=&/span& &span class=&n&&prdataset&/span&&span class=&p&&(&/span&&span class=&n&&X1&/span&&span class=&p&&,&/span& &span class=&n&&Y1&/span&&span class=&p&&)&/span&
&span class=&n&&B&/span& &span class=&p&&=&/span& &span class=&n&&prdataset&/span&&span class=&p&&(&/span&&span class=&n&&X2&/span&&span class=&p&&,&/span& &span class=&n&&Y2&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&其中，prdataset是PRTools5中的函数，目的就是构造数据集……&br&X是训练数据矩阵，每一行是一个数据点（一个object），每列是一个特征（feature）。Y是一个列向量，代表数据X的标签。怎么样，简单吧……&br&之后，就可以进行分类（classification）了！&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&w1&/span& &span class=&p&&=&/span& &span class=&n&&knnc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w2&/span& &span class=&p&&=&/span& &span class=&n&&qdc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w3&/span& &span class=&p&&=&/span& &span class=&n&&svc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w4&/span& &span class=&p&&=&/span& &span class=&n&&naivebc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&c&&% ......&/span&
&/code&&/pre&&/div&其中，w1, w2, w3, w4 就是训练好的分类器了。knnc是knn…qdc是Quadratic Bayes Normal Classifier，svc是svc……naivebc是Naive Bayes。&br&至于各种参数呢？函数都已经自动选择了，当然题主根据自己要处理的具体问题，也完全可以手动指定。&br&之后就可以测试结果了，我们选择B作为测试集。&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&e1&/span& &span class=&p&&=&/span& &span class=&n&&testd&/span&&span class=&p&&(&/span&&span class=&n&&B&/span&&span class=&o&&*&/span&&span class=&n&&w1&/span&&span class=&p&&);&/span&
&span class=&n&&e2&/span& &span class=&p&&=&/span& &span class=&n&&testd&/span&&span class=&p&&(&/span&&span class=&n&&B&/span&&span class=&o&&*&/span&&span class=&n&&w2&/span&&span class=&p&&);&/span&
&span class=&n&&e3&/span& &span class=&p&&=&/span& &span class=&n&&testd&/span&&span class=&p&&(&/span&&span class=&n&&B&/span&&span class=&o&&*&/span&&span class=&n&&w3&/span&&span class=&p&&);&/span&
&span class=&n&&e4&/span& &span class=&p&&=&/span& &span class=&n&&testd&/span&&span class=&p&&(&/span&&span class=&n&&B&/span&&span class=&o&&*&/span&&span class=&n&&w4&/span&&span class=&p&&);&/span&
&span class=&c&&% ......&/span&
&/code&&/pre&&/div&这里的e就是classification error……当然也可以选择其他函数，使用其他判断标准。&br&&br&但鉴于题主的数据是二维的，因此可视化是一个很好很强大的手段。（二维的！这年头哪还有这么好的事└(T_T;)┘……）。以下举例：&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&A&/span& &span class=&p&&=&/span& &span class=&n&&gendatb&/span&&span class=&p&&([&/span&&span class=&mi&&50&/span& &span class=&mi&&50&/span&&span class=&p&&]);&/span&
&span class=&n&&B&/span& &span class=&p&&=&/span& &span class=&n&&gendatb&/span&&span class=&p&&([&/span&&span class=&mi&&400&/span& &span class=&mi&&400&/span&&span class=&p&&]);&/span&
&/code&&/pre&&/div&此处使用了PRTools5自带的数据生成函数，A、B都是二维数据，2 classes，每类中有50（400）个objects。&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&w1&/span& &span class=&p&&=&/span& &span class=&n&&knnc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w2&/span& &span class=&p&&=&/span& &span class=&n&&qdc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w3&/span& &span class=&p&&=&/span& &span class=&n&&svc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&n&&w4&/span& &span class=&p&&=&/span& &span class=&n&&naivebc&/span&&span class=&p&&(&/span&&span class=&n&&A&/span&&span class=&p&&);&/span&
&span class=&c&&% ......&/span&
&/code&&/pre&&/div&……不用解释。&br&&div class=&highlight&&&pre&&code class=&language-matlab&&&span class=&n&&scatterd&/span&&span class=&p&&(&/span&&span class=&n&&B&/span&&span class=&p&&);&/span& &span class=&c&&% 做测试数据散点图&/span&
&span class=&n&&hold&/span& &span class=&n&&on&/span&
&span class=&n&&h1&/span& &span class=&p&&=&/span& &span class=&n&&plotc&/span&&span class=&p&&(&/span&&span class=&n&&w1&/span&&span class=&p&&);&/span& &span class=&c&&% 做出分类器边界图，以下类似&/span&
&span class=&n&&h2&/span& &span class=&p&&=&/span& &span class=&n&&plotc&/span&&span class=&p&&(&/span&&span class=&n&&w2&/span&&span class=&p&&,&/span& &span class=&s&&'b'&/span&&span class=&p&&);&/span&
&span class=&n&&h3&/span& &span class=&p&&=&/span& &span class=&n&&plotc&/span&&span class=&p&&(&/span&&span class=&n&&w3&/span&&span class=&p&&,&/span& &span class=&s&&'g'&/span&&span class=&p&&);&/span&
&span class=&n&&h4&/span& &span class=&p&&=&/span& &span class=&n&&plotc&/span&&span class=&p&&(&/span&&span class=&n&&w4&/span&&span class=&p&&,&/span& &span class=&s&&'y'&/span&&span class=&p&&);&/span&
&span class=&n&&legend&/span&&span class=&p&&([&/span&&span class=&n&&h1&/span&&span class=&p&&,&/span& &span class=&n&&h2&/span&&span class=&p&&,&/span& &span class=&n&&h3&/span&&span class=&p&&,&/span& &span class=&n&&h4&/span&&span class=&p&&],&/span& &span class=&s&&'knnc'&/span&&span class=&p&&,&/span& &span class=&s&&'qdc'&/span&&span class=&p&&,&/span& &span class=&s&&'svc'&/span&&span class=&p&&,&/span& &span class=&s&&'naivebc'&/span&&span class=&p&&)&/span&
&/code&&/pre&&/div&结果如下：&br&&img src=&/2387ae36edb807f95c346dc12b0d8b3c_b.jpg& data-rawwidth=&905& data-rawheight=&758& class=&origin_image zh-lightbox-thumb& width=&905& data-original=&/2387ae36edb807f95c346dc12b0d8b3c_r.jpg&&这时真相大白，原来gendatb是生成banana形状的数据…………而且显然，对于这种数据，knn的效果最好。&br&&br&总之PRTools5是一个非常强大的模式识别库。&br&&br&而且这时再看，机器学习也就不麻烦且不抽象了吧~~
首先关于语言的选择，个人认为还是Matlab比较合适，因为目前在学术领域，用Matlab的人感觉还是相对多一点的。题主如果在写代码的过程中遇到了问题，也比较方便向别人请教。目测开源的机器学习库也是Matlab更多。当然如果对程序速度有严格要求，就可以考虑C+…
来自子话题：
这个问题问得很好。&br&&br&题主的问题里有两个关键点：&br&&blockquote&&b&1、这段声音足够长。&/b&&/blockquote&也就是说，这段声音可以给我们提供足够的信息，并且极有可能会循环播放。&br&&br&&blockquote&&b&2、定量地判断它是一种语言。&br&&/b&&/blockquote&根据万能的度娘上的解释：&br&&blockquote&定性观察只是要求对物质的组成有所了解。此仅仅涉及到性质。定量观测要求到物质的组成以及在各物质的含量问题。&br&&/blockquote&抱歉，我没看懂这段解释……我的理解是，题主想要知道有什么可以重复使用、并且量化其执行步骤的方法，来检测一段未知的音频是否是语言。&br&&br&所以，用感性的思路来回答这道题明显是不对的。&b&“万物皆有语言”&/b&这么禅意的概念，只能先放在一边了。&br&&br&-----------------我是来治猩猩的分割线-----------------------&br&&br&以下是我的回答：&br&&br&&br&以人类搜索外太空智慧生命的逻辑思路为例：&br&&blockquote&美国加州大学洛杉矶分校行星科学家迈克尔-布斯奇表示，“如果你准备与外星人进行对话，那么最基本的要求是，你最好能够拥有让人可理解的东西。” &/blockquote&因此，如果一类语言或电讯号希望被接收到的人所解读，就必须包含一些放之宇宙而皆准的信息，来帮助接受者破解这一语言系统。&br&&br&例如，搭载在先驱者号探测器上的地球名片描绘着地球上第一号元素氢的结构&i&（网络上的翻译普遍有“分子”二字，但是“氢分子”这个概念本身是不成立的- &a data-hash=&b95e6e12dfba& href=&/people/b95e6e12dfba& class=&member_mention& data-tip=&p$b$b95e6e12dfba&&@杨文清&/a& ，所以此处删去“分子”二字）&/i&及中性氢的超精细跃迁，并用氢在1420兆赫的21厘米谱线（宇宙中分布最广泛的电磁辐射谱线）波长为单位，将人类男性与女性的身高转化为二进制码的形式。如果接收到这一名片的外星文明的科学已经达到了原子级别，那么TA们便能够解读这一信息。&br&&br&此外，太阳的位置是用它与14颗脉冲星的相对位置关系来表示的。作为“宇宙的时钟”，脉冲星以长期恒定的速率自转。在银河系中脉冲星的数量不多，而脉冲星的精确周期在“名片”中用&a href=&/view/18536.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&二进制&i class=&icon-external&&&/i&&/a&码描述，据此，天文学发达的地外文明可以很容易判断太阳系的位置。&br&&b&（喂，你们这样真的好吗！想让地球毁灭吗卧槽！如果老子早出生20年一定会去美帝阻止你们的好吗！！！你们难道不知道大刘的“黑暗森林”定律吗！主动暴露位置是要闹哪样！！！我不想被二向箔毁灭啊啊啊啊啊啊啊啊）&/b&&br&&br&又例如，1973年11月，世界上的一些科学家集中于美洲加勒比海地区的阿雷西博天文台，向武仙座的M13 球状星团发射了另一种颇具想象力的带图的“&b&地球名片&/b&”，而且还是以电报的形式发出。这张别具风格的“&b&地球名片&/b&”宽23 个字码，长73 个字码，总面积1679 个字码。“名片”的上半部分又分为两部分：第一部分代表1 至10 的10 个数字；第二部分代表与生物现象密切相关的5种化学元素的原子序数，即氢（1）、碳（6）、氮（7）、氧（8）、磷（15）。“名片”的下部分为人形图像和太阳系九大行星示意图。&br&&b&（卧槽你们这群美帝反动分子要闹哪样！！！你们有自我毁灭倾向吗！！！为什么一个两个赶着把俺们人类的位置告诉三体人！！！罗辑呢？！面壁者呢？！章北海呢？！云天明呢！？你们快来拯救我啊啊啊啊啊啊啊）&/b&&br&&br&又例如，很多科幻作品中，都将宇宙通用的素数序列作为星际文明首次交流时附带的解码秘钥：2、3、5、7、11、13、17、19……（1不算素数，1和0非素非合，感兴趣的同学可以去百度一下具体解释。）&br&&br&&b&&u&那么，我们的第一个办法就是：看看这段语音中有无包含你可以理解的、通行于你这个世界观的真理，并通过这一真理作为关键钥匙，去解码剩下的音符。&br&==============================================================================&br&&br&第二种方法来自于密码破译规律：先确定一段语音中出现频率最多的那个字，然后将这个音符与现有的主要使用语言体系中的常用字进行比较，进而确定这一音符的意义，进而对剩余部分进行解码。&/u&&/b&&br&&br&这个办法，如果事先对语音的内容没有头绪，无法对其内容的范围进行缩小的话——例如战争中破解对方的军队命令便可以缩小推测范围，缩短破解时间——那么，主要依靠的，便是破解者的运算能力。&br&&br&运算能力越强，破解的时间就越短，属于不断试错的笨办法。比如，在计算能力上，人脑＜小霸王学习机＜计算机＜苹果机（好吧我是开玩笑的）＜巨型机＜人肉镜面计算阵列……&b&（好像有什么奇怪的东西混进来了……哎？你说你叫秦始皇？）&/b&&br&&br&&br&&b&&u&回答完毕，鞠躬。没看过大刘《三体》的朋友们请忽略括号内黑体字的吐槽，谢谢。我最喜欢的角色是汪三水和大史，又及。&/u&&/b&&br&&br&&br&&b&&u&PS：关于二进制是否能被外星人所理解：&/u&&/b&&br&理论上来说，数学这种东西是通行于全宇宙的。例如质数，例如二进制。&br&&br&二进制并非是程序员专用的语言，是先有了二进制这种极其简洁、美丽、实用的数学规律之后，才因为其在逻辑上的简洁易懂、易使用性，被广泛应用于计算机编程行业。因为它只使用0、1两个数字符号，非常简单方便，易于用电子方式实现。&br&&br&正如德国天才大师&a href=&/view/21694.htm& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&莱布尼茨&i class=&icon-external&&&/i&&/a&（Gottfried Wilhelm Leibniz，1646 - 1716）留下的手稿中所说：“1与0，一切数字的神奇渊源。这是造物的秘密美妙的典范，因为，一切无非都来自上帝。“他甚至对中国的八卦系统进行了多年的研究，坚定地认为八卦与二进制其实是同一种数学语言。&br&&br&可怜的莱布尼茨，他因此断言：”二进制乃是具有世界普遍性的、最完美的逻辑语言。“&br&&br&&b&所以，我们可以推理，即便三体人中没有一种叫做”程序猿“的群体，只要它们有”学霸“这个种族，有对数学的理解能力和探索能力，就肯定能明白俺们地球人在宇宙的这头儿瞎哔哔啥。反过来说，如果它们连数学中的二进制这么简单的问题都整不明白，怎么可能接收到我们的信息？&/b&
这个问题问得很好。题主的问题里有两个关键点：1、这段声音足够长。也就是说，这段声音可以给我们提供足够的信息，并且极有可能会循环播放。2、定量地判断它是一种语言。根据万能的度娘上的解释：定性观察只是要求对物质的组成有所了解。此仅仅涉及到性质。…
来自子话题：
什么东西会打败淘宝？答案是虚拟现实电商。&br&&br&想象一下，你要买服装，戴上虚拟现实设备就可以看到不同体型男女的穿戴效果；如果上传你的体型参数，自动为你建模，还能以 3D 动态效果查看你穿上它招摇过市时，众人艳羡的目光。&br&&br&相比之下，淘宝天猫的平面信息呈现方式太落后。&br&&br&虚拟现实+电商，这足以让现在所有电商网站黯然失色。&br&&br&视频购物、打游戏、看电影、远程相亲，顺便摧毁重构电影电视机行业，这些只是虚拟现实的第一步。&br&&br&下一步是入侵抢占你的所有视觉，抢占你除睡觉以外的所有时间。&br&&br&最终重建一个世界，你活在其中，这个世界才是真实。&br&&br&至于那个人类生活了100万年的空间，那个你肉体生活的空间，被边缘化沦为配角。&br&&br&这一切，很远吗？比传说中的人工智能近1万倍。&br&&br&未来扑面而来，大戏正在上演。&br&&br&&br&① 关注智能硬件/移动互联网/互联网金融&br&② 我的微信：futureknowledge&br&③ 我的微博：&a href=&//profile?topnav=1&wvr=6& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&Sina Visitor System&i class=&icon-external&&&/i&&/a&
什么东西会打败淘宝？答案是虚拟现实电商。想象一下，你要买服装，戴上虚拟现实设备就可以看到不同体型男女的穿戴效果；如果上传你的体型参数，自动为你建模，还能以 3D 动态效果查看你穿上它招摇过市时，众人艳羡的目光。相比之下，淘宝天猫的平面信息呈现…
来自子话题：
机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别，很难说谁包含于谁，只能分开说每一个概念的意义，谁服务于谁。&br&&br&数据挖掘是一种概念，从数据中挖掘到有意义的信息。&br&很多人认为数据挖掘是新学科，是基于大数据，其实不然，如果给你一个数据说李嘉诚有100多亿美元，再给你一个数据是全国平均人均可支配收入水平是13279元人民币，你能挖掘出一个信息叫，李嘉诚很有钱，这也是数据挖掘。只不过很小白而已。&br&&br&模式识别是目的，识别出一种模式，比如两个眼睛一个鼻子的是人脸的模式。如果不通过电脑，手工的通过计算来识别模式，也属于模式识别&br&&br&机器学习是一种方法，通常用来进行模式识别，用机器去学习不直观的数据得到模式，这其中会需要用到各种各样的知识，比如统计分析的知识。&br&&br&人工智能，这个概念就大了，这个概念是想要人工制造出和人类一样的智能，所以很多人就想出了机器人这么一个科幻产物，有人类的智能，并且依托于机器的强大运算能力。事实上，人工智能也不一定要和电脑挂钩的，只不过现在只有电脑有这么强大的计算能力，如果有一天生物科技能够突破，说不定也能实现。（纯属YY）&br&&br&神经网络，这是学习算法中的一个很火的模型，它号称结合了多学科，模拟了人的神经过程，是很好的一种学习方法，可以说这个是基于统计学范畴的。&br&&br&有什么疑问再问我～
机器学习、统计分析、数据挖掘、神经网络、人工智能、模式识别，很难说谁包含于谁，只能分开说每一个概念的意义，谁服务于谁。数据挖掘是一种概念，从数据中挖掘到有意义的信息。很多人认为数据挖掘是新学科，是基于大数据，其实不然，如果给你一个数据说李…
轮子哥又来黑谷歌了。&br&&br&答案是完全可以。我会说我们实验室两年前就发表了预测应用服务消亡的模型么？当然不仅仅可以预测谷歌，巨硬，亚马逊，非死不可都可以预测，还老准了～～&br&&br&===========================我是分割线=========================&br&评论中全是求预测结果的，吓尿了。&br&待我回去查了论文再更新答案，因为文章是实验室的其他哥们发的，我本人没有参与。
轮子哥又来黑谷歌了。答案是完全可以。我会说我们实验室两年前就发表了预测应用服务消亡的模型么？当然不仅仅可以预测谷歌，巨硬，亚马逊，非死不可都可以预测，还老准了～～===========================我是分割线=========================评论中全是求预…
来自子话题：
以微软的技术来说，做个好的搜索引擎并不难，但是微软在搜索里面投入的资金的限制，可能比不上Google，但是bing终究是一天天进步，而反观百度，在Google退出中国后一直搞流氓软件，人工劣化关键词，丧心病狂的广告，本质是一种退步。。&br&&br&个人认为，如果你上不去谷歌的话，bing作为替代百度的用品还是很不错的&br&----------------------&br&&b&百度黑历史&/b&&br&&a href=&/question/& class=&internal&&百度的同学怎么看待百度杀毒的？ - 互联网&/a&&br&&a href=&/question/& class=&internal&&百度杀毒的使用体验如何？ - 用户体验&/a&&br&&a href=&/question/& class=&internal&&如何完全卸载百度杀毒? - 百度杀毒&/a&&br&&a href=&/question/& class=&internal&&如何禁止安装百度杀毒？ - 杀毒软件&/a&&br&&a href=&/question//answer/& class=&internal&&为什么百度云管家会频繁访问支付宝安全控件并且被拒绝访问？ - 知乎用户的回答&/a&&br&&a href=&/question/& class=&internal&&Oracle 为何会和百度合作，在自己的 Java 中推广百度的杀毒产品？ - 甲骨文 (Oracle)&/a&&br&&a href=&/question/& class=&internal&&Java全面集成百度杀毒套装是否会带来负面影响？ - 互联网&/a&&br&&a href=&http://zh.moegirl.org/%E7%9B%97%E7%89%88%E8%88%B0%E5%A8%98%E6%8A%B5%E5%88%B6%E4%BA%8B%E4%BB%B6& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&盗版舰娘抵制事件&i class=&icon-external&&&/i&&/a&&br&------------------------&br&我是非常非常讨厌这样的行为的，所以我写了个教程&br&&a href=&/question//answer/& class=&internal&&如何让自己的windows系统更安全？ - 知乎用户的回答&/a&
以微软的技术来说，做个好的搜索引擎并不难，但是微软在搜索里面投入的资金的限制，可能比不上Google，但是bing终究是一天天进步，而反观百度，在Google退出中国后一直搞流氓软件，人工劣化关键词，丧心病狂的广告，本质是一种退步。。个人认为，如果你上不…
&p&&b&短暂的一天：《人工智能》结局的双重解读&/b&&/p&&br&&br&1999年，伟大的库布里克骤然辞世，留下一个未完成的电影项目。这个项目萌生于70年代，却历经波折，直到他去世时也仍无法开拍。库氏离世后，一直就此项目与他有交流的斯皮尔伯格决心帮助好友完成这未竟的遗愿，亲自完成了影片剧本并担纲导演。这就是《人工智能》。影片上映后，评论界和观众褒贬不一，因为这部作品乍看起来似乎分裂成了前后截然不同的两部分。赞扬都指向影片的前3/4，争议则留给了影片最后1/4，即它的结局。&br&&br&影片前3/4大致讲述了这样的故事：未来，大量拥有智能的机器人为人类提供服务，但是为机器人赋予情感一直被设为禁区。大卫是第一个被植入情感的机器男孩。他被作为一个试验品送给机器人公司员工的妻子莫妮卡以缓解失子之痛。大卫的情感程序让她对莫妮卡形成了与人类小男孩毫无二致的强烈依恋与爱。然而莫妮卡的亲生儿子意外苏醒，大卫被抛弃。大卫坚信自己可以像童话故事里的木偶男孩那样找到蓝仙女，让她把自己变成一个真正的小男孩，重新回到妈妈的身边。可这个信念其实也只是机器人公司暗藏在大卫体内的一个指令，指令最终指引他回到了自己的诞生地，并意识到自己只不过是量产型号的原型而已。大卫万念俱灰，决定结束自己的生命，却意外地在淹没于海平面下的某公园里见到了蓝仙女的雕像，他最后在蓝仙女面前苦苦祈祷，希望她把自己变成一个真正的小男孩……&br&&img src=&/b6b1f7f4df852d690e384_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/b6b1f7f4df852d690e384_r.jpg&&&br&&br&至此为止，多数人都会认为斯皮尔伯格几近完美地再现了库布里克作品应有的风格。可影片并未就此结束，最后1/4，剧情发生了相当怪异的转变：沧海桑田，人类文明终结，机器人大卫被未来统治地球的智慧生命（似乎是高度进化后的机器人）重新唤醒。大卫提出让智慧生命帮自己找回妈妈。智慧生命说，只要有那个人身体的某一部分，他们就可以复活生命，但那些复活的生命，只能存在一天，当他们在那天晚上睡着后，就会再度死去，所以大卫的妈妈也只能再重新活一天。大卫正好保存着莫妮卡的一撮头发，于是莫妮卡复活，大卫陪着这个用头发克隆出来的莫妮卡度过了人生中最幸福的一天，直到她再次睡去。&br&&br&&img src=&/3bb1d4fcdc5d4ce41f33d1a454ae5078_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/3bb1d4fcdc5d4ce41f33d1a454ae5078_r.jpg&&&br&&br&按照对这个结局最通常的解读，“复活一天”这个情节被认为是影片最大的败笔。一方面，把妈妈克隆出来这种狗血设定，就必定是斯氏温情泛滥所致，他似乎不忍心看到大卫就那么怀着未尽的愿望死去。但是，如果这个克隆妈妈陪着大卫从此幸福地生活下去，那就实在太狗血。于是另一方面，斯氏又想把结局变得更煽情一些。怎么煽情呢？那就让你先得到，然后又再失去。可是观众会认为，这些未来智慧生命看上去掌握着高度发达的科技，既然说能克隆，克隆体就应该能长期存活。所以“复活一天”看上去纯粹是为煽情而设，实在太刻意。一部本该完美的库氏杰作，就这样毁于斯氏的滥情。&br&&br&但是，按照我的另一种解读，大部分观众其实没有明白库氏和斯氏的用意。那些智慧生命所做的，其实与克隆毫无关系，他们要做的，其实是“招魂”！他们并不是用那撮头发做一个新的拷贝，而是要用它召回那个早已经逝去的灵魂。用科技创造一个新的生命并不难，但是科技如何找回那个曾经存在过的、唯一的“自我意识”？诺兰在《魔术争锋》里设想过一台瞬间就把人复制一份的机器，那个被复制出来的人，虽然身体上每一个分子都与原来的人一模一样，但原来的那个自己看着这个复制体的时候，看着的完全就是另外一个陌生人。科技可以重造身体，但是这个新的身体里成长出来的灵魂，跟原来那个灵魂有任何关系吗？一点关系也没有！这其实是《人工智能》最为叹为观止的情节设计，库氏和斯氏明白，生命的终结是神降给人类最高的诅咒，灵魂的消亡是永恒的宿命，即使是发达如此的智慧，也难以突破这个最后关口。登峰造极的科技，也只能让那一个已经烟消云散的魂魄重见天日一天。这短暂的一天，已经是生命的智慧与这个永恒诅咒相抵抗的极限。&br&&br&&img src=&/6cae3bab3b17_b.jpg& data-rawwidth=&600& data-rawheight=&337& class=&origin_image zh-lightbox-thumb& width=&600& data-original=&/6cae3bab3b17_r.jpg&&&br&&br& 于是，在这灵魂归来的最后一天里，《人工智能》里机器人与人类的鸿沟，升华成了永恒的爱与注定凋零的短暂生命之间的鸿沟。前一道鸿沟险恶万分，却仍有跨过的希望。而后一道鸿沟却愈裂愈宽，永远不可能超越。所以，当这个最后的夜晚，妈妈的意识就要永远消散之前，曾经经历过那么多痛苦挫折的大卫才第一次流下了眼泪。在这一刻，他变成了真正的小男孩。因为直到此刻他才意识到，这一别，是真的再也无法重聚了。&br&&br&&b&文：疯狂钻石 &a data-hash=&efc937cec1fed58d865ca33& href=&/people/efc937cec1fed58d865ca33& class=&member_mention& data-tip=&p$b$efc937cec1fed58d865ca33&&@魏知超&/a&&/b&&br&&br&&br&p.s. 关于“永生”这个话题的探讨，还可以参看我的书&a href=&/subject//& class=& wrap external& target=&_blank& rel=&nofollow noreferrer&&迷人的假象：光影中的心理学秘密 (豆瓣)&i class=&icon-external&&&/i&&/a&中&b&“&/b&Eternity 永生不死有可能吗”一章。
短暂的一天：《人工智能》结局的双重解读1999年，伟大的库布里克骤然辞世，留下一个未完成的电影项目。这个项目萌生于70年代，却历经波折，直到他去世时也仍无法开拍。库氏离世后，一直就此项目与他有交流的斯皮尔伯格决心帮助好友完成这未竟的遗愿，亲自完…
如果不执着于外观上接近人类而只是肢体上接近，那么这就像去年美国国防高级研究计划署（DARPA）的那次比赛一样，就是专注于在灾难（如核辐射）环境下用机器人去操作原本为人设计的各种设施。福岛那里机器人作用比较小，一个是因为辐射条件下大量设备不能正常工作，另一个是因为传统的轮式、履带式机器人难以攀爬梯子、楼梯，打开门，操作转轮、手柄等机构。人形机器人在这种场合是有必要的。&br&&br&至于说日本研究学者所执着的外观上也接近于人的机器人，我个人实在是不知道这有什么必要。即便是家庭服务机器人，采用轮式或履带式也比类人式要方便的多。&br&&br&至于说外观相似引起不适的问题，这就是所谓“恐怖谷理论”。其实如果真的做的很像，好感度是会回升的。所以这不是什么大问题。&br&&br&&img src=&/82ff6cdc3b50b4e86ae1f6f_b.jpg& data-rawwidth=&960& data-rawheight=&720& class=&origin_image zh-lightbox-thumb& width=&960& data-original=&/82ff6cdc3b50b4e86ae1f6f_r.jpg&&
如果不执着于外观上接近人类而只是肢体上接近，那么这就像去年美国国防高级研究计划署（DARPA）的那次比赛一样，就是专注于在灾难（如核辐射）环境下用机器人去操作原本为人设计的各种设施。福岛那里机器人作用比较小，一个是因为辐射条件下大量设备不能正…
&a href=&/people/yokuhn-67& class=&internal&&郑昆&/a& 天鹅的例子特别好，我再补充一个。&br&&br&上学考试的时候，有的人采取题海战术，把每个题目都背下来。但是题目稍微一变，他就不会做了。因为他非常复杂的记住了每道题的做法，而没有抽象出通用的规则。&br&&br&所以过拟合有两种原因：&br&&ol&&li&训练集和测试机特征分布不一致（白天鹅黑天鹅）&br&&/li&&li&或者模型太过复杂（记住了每道题）而样本量不足&br&&/li&&/ol&解决过拟合也从这两方面下手，收集多样化的样本，简化模型，交叉检验。&br&&br&最后配个图，看图最清楚了。&br&&img src=&/afa034db4dc_b.png& data-rawwidth=&555& data-rawheight=&140& class=&origin_image zh-lightbox-thumb& width=&555& data-original=&/afa034db4dc_r.png&&
天鹅的例子特别好，我再补充一个。上学考试的时候，有的人采取题海战术，把每个题目都背下来。但是题目稍微一变，他就不会做了。因为他非常复杂的记住了每道题的做法，而没有抽象出通用的规则。所以过拟合有两种原因：训练集和测试机特征分布不一致（…
来自子话题：
&blockquote&金角大王将宝葫芦倒置，喊声：孙行者。悟空应了一声，嗖地便被吸了进去。金角大王查看时，里面除了孙悟空，还有行者武松、苍井空、孙权、六耳猕猴、金刚等一干人。 金角大王惊讶道：只喊孙行者，怎来了这许多。宝葫芦开口言道：这都是你“可能感兴趣的人”。&/blockquote&
金角大王将宝葫芦倒置，喊声：孙行者。悟空应了一声，嗖地便被吸了进去。金角大王查看时，里面除了孙悟空，还有行者武松、苍井空、孙权、六耳猕猴、金刚等一干人。 金角大王惊讶道：只喊孙行者，怎来了这许多。宝葫芦开口言道：这都是你“可能感兴趣的人”。
人工智能的巔峰是「技術奇異點」。首先話要兩說——這個巔峰不一定能達到。然後我們說達到的情況。如果人類真的成功的實現了強人工智能，那麼不是這個智能如何和人類相處那麼簡單，而是意識的進化出現了新的模式。強人工智能的出現，標誌著一種智能可以創造出比自己更優秀的智能。所以，強人工智能必然會構建出更強的智能（人工^2 智能），並且構建的速度一定比人類研究第一代強人工智能要快。如此指數發展下去，意識的進化會完全超出人類的理解力。
人工智能的巔峰是「技術奇異點」。首先話要兩說——這個巔峰不一定能達到。然後我們說達到的情況。如果人類真的成功的實現了強人工智能，那麼不是這個智能如何和人類相處那麼簡單，而是意識的進化出現了新的模式。強人工智能的出現，標誌著一種智能可以創造…
来自子话题：
===随时补充更新===&br&&br&&ul&&li&舒适最重要&/li&&li&舒适的来源，一是面料，二是剪裁&/li&&li&男人衣服要少而精&br&&/li&&li&只买基本款&/li&&li&找家靠谱的店&br&&/li&&li&浑身上下，颜色最多三种&/li&&li&阿罗裤、白tee、白衬衫、袜子之类的东西，可以屯很多&/li&&li&西服一定要买靠谱的，贵不是问题&/li&&li&领带一定要真丝的&/li&&li&皮鞋一定要系带的&/li&&li&裤子一定要量好尺码，最好要试穿&/li&&li&腰带很重要&/li&&li&细节决定成败&/li&&li&每天必须换衬衫和袜子&/li&&/ul&
===随时补充更新===舒适最重要舒适的来源，一是面料，二是剪裁男人衣服要少而精只买基本款找家靠谱的店浑身上下，颜色最多三种阿罗裤、白tee、白衬衫、袜子之类的东西，可以屯很多西服一定要买靠谱的，贵不是问题领带一定要真丝的皮鞋一定要系带的裤子一定…
来知乎，参与讨论