人的惯性思维

本次AlphaGo以4:1战胜李世石,标志着人工智能在围棋领域的突破。文章回顾了作者对围棋人工智能发展的看法变化,从最初认为计算机难以掌握围棋到认识到机器学习的能力。文章进一步探讨了AI的进步对人类社会的影响,包括科技加速发展、人类社会分化加剧等趋势。

这次AlphaGo以4:1战胜李世石,结果不算意外,几年前,我也觉得围棋被机器干掉距离还很远,理由其实很简单,就是围棋的计算量非常大。持有这种观念的人大有人在,包括赫赫有名的围棋大师聂卫平。持这种观念其实属于正常人,因为我们一致认为计算机的特长在计算,对于人类这种抽象能力 ,计算机是没法学的。但我们都忽视了一个基本的东西:从原子的角度,计算机和人其实是没有什么区别的,人能学习,机器注定是可以学习的。从另外一个角度来说,人生小孩本质也是一种生产,人的后代可以通过学习达到很高的能力,本质上来说,机器也是可以的,这只是人类研究自己,模仿自己的结果,当然,这个结果的出现可能会需要时间。但自从这几年开始接触深度学习,并关注科技前沿的一些东西后,特别是看了很多科学和技术方法论,发展方面的东西后,这个观念发生了改变,虽然赛前我还是赌人能赢,但内心里其实我觉得计算机赢得概率要大很多。因为计算机可以学习,加上其强大的计算能力,在很多方面是要比人强很多的。

我原来估计移动互联网兴起后,人类通过自身的连接可以极大地释放这种智力红利,人类将进步神速。而AlphaGO等AI的进展,虽然还有一段20来年的缓冲期,但靠人数上的智力红利的作用,其实在可预见的未来已经作用小很多了,相反,AI的落地可以极大地促进人类科学技术的发展,人和机器的结合将会使得人类的科技发展的加速度更大。人类之间的分化要比原来预想的要来得早的多。这其实就是我前面说过的一个观点--未来的时代将是一个撕裂的时代,很多人都会被人类科技的发展拉下来。这次科技发展所发生的替代将会使得人类至少一半以上的将会无所适从。人类懒惰(对于人来说,懒惰并不是贬义,是一种为了生存所采取的节能模式)的基因将会被自己的技术发展所淘汰。人类将走入真正意义上的精英社会。如果在这个窗口期过后,无法突破太空时代,那么很多人已经没有存在的价值了,人多力量大的时代彻底的将会一去不复返。人的惯性思维的影响直接将是被社会的发展淘汰或者落下。

其实人类的发展,很多时候是无法用道德什么的东西去衡量的。希望国家能够抓住这个机会,为我们的后代承担应有的责任。


后记:其实美国等西方国家的这30年的科技大发展,与中国的特殊输送是密不可分的。我们给别人廉价的商品,还借给别人钱,而自己呢,虽然也有进步,但一直都是用通货膨胀和资产价格高涨来剥夺大部分人的创新机会。如果以后的历史发展结果是我们被淘汰,西方国家应该给地产党一个地球般大小的金质勋章。


【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研员及从事微电网、能源管理相关工作的工程技术员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
防护装备实例分割数据集 一、基础信息 数据集名称:个防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作员个防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值