level 1
@胡梦柯3
现在电脑处理的大多数是理想模型，但是有句话叫存在即有理，能否通过处理非理想模型来达到理想模型的优化和模型外部系统交互中影响因子的剥离，来达到把所有环节通过优化迭代总结出更好的理想模型与模型外部系统优化和整理呢？
2017年04月24日 06点04分
level 1
level 10
现有所谓 Universal approximation theorem 的定理证明了理论上来说一个前馈人工神经网络可以无限精度趋近任何函数。实际上来说重点是要有高质训练集，并且能够找到一个能够在合理时间资源内达成收敛的方法。
https://en.wikipedia.org/wiki/Universal_approximation_theorem
2017年04月24日 15点04分
5
https://en.wikipedia.org/wiki/Universal_approximation_theorem
那是不是大多数密匙破解也存在可能呢？
2017年04月25日 00点04分
我又仔细看了一下这个理论，好像只是指任何连续的函数？也就是说非连续函数无法做到？？
2017年04月25日 00点04分
@00091 所以现在市面上的解决方案是让神经网络会编程？
2017年04月25日 02点04分
@1012932560 会编程可能还需要引进另外一些理论。其实这种做法还是被动式的，就是训练数据收集还是需要人去干涉完成
2017年04月25日 03点04分
level 1
1012932560
楼主
假设一个人看待事物足够客观，而这种客观是由对事物的全方位认知和思考构成的，与之相对应的是足够高的复杂度。而越客观的人接受片面思想的能力越强并且知道片面思想的错误在哪，不容易被“忽悠”。那是否意味这人类要是一定去制造人工智能，并且让人工智能少犯错，就一定要让人工智能足够客观，足够复杂，才能给人类带来未来？![[滑稽]](/static/emoticons/u6ed1u7a3d.png)
想想就觉得硬件要爆炸。
2017年04月25日 05点04分
6
想想就觉得硬件要爆炸。
