您现在的位置是:首页 >>赤城县
SUV销量占比快逼近八支晋级到德杯青岛站的队伍名单已全部确定,轿车!分8壮志凌云。类教你如何买到心仪的
作 者:
来 源:▽和田地区新博娱乐▽
添加时间:2018/1/12 12:06:33


大数据文摘作品

作者:Aileen, 魏子敏,钱天培,龙牧雪


昨天下午,一直对深度学习持质疑态度的纽约大学教授、人工智能创业者Gary Marcus在arxiv上发布了一篇长文,列举十大理由,质疑深度学习的局限性,在AI学术圈又掀起了一轮波澜。


Gary Marcus文章地址:

https://arxiv.org/ftp/arxiv/papers/1801/1801.00631.pdf


而就在刚刚,一直对Gary Marcus这一观点持反对态度的Facebook人工智能研究中心负责人Yann LeCun发推文“怼”了这一论调,称“有想法,可能吧,但是,大部分都错了“(Thoughtful, perhaps. But mostly wrong nevertheless.)。


似乎听到了LeCun的冷笑……作者很礼貌地回复:“您能不能详细说说哪里错了?我们之前辩论的时候您可不是这么说的。”



当然不只是简单质疑,推文下观战的各位也不安分的呼喊LeCun说出更多质疑理由,LeCun在之后又发推叙述了自己的观点:“不正确,Gary混淆了‘深度学习’和‘监督学习’。”


图注:LeCun怼的是Jason Pontin的“支持Gary"的转推,值得一提的是,Jason曾经在MIT科技评论任职主编。


现在美国时间已是深夜,我们期待LeCun在深思熟虑后给出更多想法,可能也会写出一篇20几页的长文也不一定呢。


Gary Marcus和Yann LeCun关于“深度学习”的争执由来已久。去年,两人还曾经公开就此问题辩论了两个八支晋级到德杯青岛站的队伍名单已全部确定,小时,文摘菌当时细看了整个视频,全程观点犀利、逻辑缜密,让人佩服。来不及等LeCun观点的同学也欢迎戳下边的视频先看看两人的辩论??



在去年的辩论中,Marcus和LeCun都坦言,深度学习当前还远不能实现简单的常识推理。LeCun甚至表示,如果在他的有生之年,深度学习在常识推理方面的智能能够达到一只小老鼠的水平,那他也就心满意足了。


然而,对于深度学习发展的何去何从,两人却产生了不小的分歧。Marcus认为深度学习应该更全面地借鉴人类探索认知世界的方式,加入更多对物体、集合、空间等的认识表示,而LeCun则认为深度学习并不需要太多地模拟人类的认知方式。


去年两人的讨论更多的是对深度学习未来发展之争,孰是孰非皆未可知。而这次两人的争论则似乎更有看头——Marcus本次质疑的是深度学习当前发展现状,是一场基于事实的讨论。两人此次再度怼上,输赢恐怕终有一个分晓。


让我们也回顾一下Gary Marcus这篇发布在arxiv上,长达27页的文献质疑了深度学习的哪些问题,仅摘录了部分精彩观点:


1.深度学习至今缺少足够的数据。


人类可以在一些尝试后学习抽象关系。但深度学习不具备这种学习抽象概念的能力,其需要依赖大量数据。深度学习目前缺乏通过明确的语言定义来学习抽象概念的机制,在DeepMind开发棋类和Atari游戏AI的工作中,有成千上万甚至数十亿的训练样例时效果最好。


正如Brenden Lake和他的同事最近在一系列论文中强调的那样,人类学习复杂规则要比深度学习系统更有效率。


2.深度学习至今仍不够深入,且在迁移度上存在很大局限。


尽管深度学习能够带来一些惊人的成果,但重要的是要认识到,深度学习中的“深度”一词指的是技术特性(在现代神经网络中使用了大量的隐藏层),而不是一个概念。


Robin Jia和Percy Liang(2017)最近的实验是语言领域的一个例子。神经网络在一个被称为SQUAD(斯坦福问答应答数据库)的问题回答任务上进行了训练,其目标是突出特定段落中对应于给定问题的单词。例如,通过一个已训练的系统,可准确地识别出超级碗 XXXIII 的胜利者是 John Elway。但 jia 和 Liang 表明,仅靠插入干扰句(例如宣称谷歌的 Jeff Dean 在另一个杯赛中获得了胜利)就可以让准确率大幅下降。在 16 个模型中,平均准确率从 75% 下降了到了 36%。


通常情况下,深度学习提取的模式,比最初的模式更肤浅。


3.现在的深度学习并没有能够处理层次壮志凌云。化结构的方法。


至少目前来说,深度学习无法学到层次结构。


深度学习学到的是各种特征之间的相关性,这些特征本身是“平坦的”或非分层的,就好像在一个简单的非结构化列表中一样,每个特征都是平等的。层次结构(例如,识别句法结构中的主要从句和嵌入式从句)在这样的系统中并不能被直接表示,因此深度学习系统被迫使用其他代理变量,例如序列中呈现的单词的顺序位

置。


相对而言,像Word2Vec(Mikolov,Chen,Corrado,&Dean,2013)这样的将单个词汇表示为向量的系统表现更好。另一些系统试图在矢量空间中表示完整的句子(Socher,Huval,Manning,&Ng,2012),但是,正如Lake和Baroni的实验所表明的那样,循环神经网络难以处理丰富的层次结构。


4.深度学习至今无法解决开放性的推理问题。


如果你不能理解“John promised Mary to leave” 和 “John promised to leave Mary”之间的细微差别,那么你不能推断谁是谁离开了谁,或者接下来可能发生什么。


目前的机器阅读系统已经在“问答”这样的任务中取得了一定程度的成功,其中对于给定问题的答案被明确地包含在文本中,但是在推理超出文本的ag8100.com任务时却很少成功。组合多个句子(所谓的多跳推理)或通过组合明确的句子与没有在特定文本选择中陈述的背景知识,对于深度学习还很难。


5.深度学习还不够透明。


“黑箱”神经网络的相对不透明性一直是过去几年讨论的重点(Samek,Wiegand,&Müller,2017; Ribeiro,Singh,&Guestrin,2016)。


目前的深度学习系统有几百万甚至几十亿的参数,对开发人员来说,很难使用人类可解释的标签(“last_character_typed”)来标注它们,而仅仅能描述它们在一个复杂的网络中的位置(例如,网络模块k中第j层的第i个节点的活动值)。


尽管在复杂网络中可以看到个体节点的贡献(Nguyen,Clune,Bengio,Dosovitskiy和Yosinski,2016),但大多数研究者都承认,整个神经网络仍然是一个黑盒子。


6.深度学习尚未能很好地结合先验知识。


深度学习的主要方法是解释学,也即,将自我与其他潜在有用的知识隔离开来。


深入学习的工作通常包括,找到一个训练数据库,与各个输出相关联的输入集,通过学习这些输入和输出之间的关系,通过调参等方式,学习解决问题的方法。有些研究会主动弱化先验知识,比如以 LeCun 为代表的神经网络连接约束等研究。


人们可以很容易地回答“威廉王子和他那还没几岁的儿子乔治王子谁高”这样的问题。你可以用衬衫做沙拉吗?如果你把一根别针插入一根胡萝卜,它是在胡萝卜还是在别针上留下新闻早班车丨特朗普说对年轻的新一个洞?据我所知,没有人会试图通过深度学习来解决这类问题。这些显而易见的简单问题需要人类将知识整合到大量不同的来源中。如果要达到人类认知的灵活性,除了深度学习,我们还需要另一个完全不同的工具。


7.深度学习还无法区分“因果关系”和“相关性”。


因果关系和相关性是两个不同的概念,这两者的区别也是深度学习面临的一个严重问题。粗略地说,深度学习学习输入和输出特征之间的复杂关联,但没有固有的因果表示。


比如,把人类作为整体数据,深度学习可以很容易地学习到,“身高”和“词汇量”是相互关联的,但不能说这种相关性来自“长大(growth)“和”发展(development)”。孩子们在学习更多的单词时也在长大,但这并不意味着,长大会使他们学习更多的单词,也不是说,学习新的单词使他们长大。


因果关系在人工智能的其他一些方法中是中心因素(Pearl,2000),但深度学习的核心不是应对这一任务的,所以深度学习很少考虑这一问题。


8.深度学习在一个环境稳定的世界里表现最好,然而现实往往并非如此。


深度学习在高度稳定的世界中表现很好,比如棋盘类游戏,因为其有着不变的规则,而在政治和经济这类不断变化的问题上,表现很有限。


如果在诸如股票预测等任务中应用深度学习,那么很有可能出现Google预测流感趋势的命运:一开始在搜索趋势方面预测流行病学数据方面做得很好,但是却无法预测出像2013年流感季节高峰的出现(Lazer,Kennedy,King,&Vespignani,2014)。


9. 当你需要一个近似的结果时,深度学习效果不错,但不能完全信赖这些结果。


深度学习系统在某个特定领域,表现会比较优秀,但很容易被愚弄。


越来越多的论文显示了这种脆弱性,从上面提到的语言学例子、到视觉领域的例子,都反映了这一问题。在Nguyen,Yosinski和Clune在2014年的一篇论文中,深度学习将黄黑相间的条纹误以为校车,将带有贴纸的停车标志误以为装满食品的冰箱。


10.深度学习仍很难被工程化。


从上面提出的所有问题还会引出另一个事实,那就是深度学习很难被着真正稳健地工程化。


Google的一个作者团队在2014的一篇文章中提到,机器学习就好像“ 有着高利息的技术债务信用卡”,意思是说,我们可以相对容易地使系统在一些有限的环境下工作(短期收益),但是很难保证他们能够在可能与以前的训练数据不相似的新数据的情况下工作(长期债务)。


正如Google的Peter Norvig(2016)所指出的那样,机器学习仍然缺乏经典编程的渐进性,透明性和可调试性,在实现稳健性方面面临着挑战。 Henderson及其同事最近对这些观点进行了扩展,重点强调了深入的强化学习,并指出了与稳健性和可复制性有关的一些严重问题。尽管自动化机器学习系统的开发已经取得了一些进展,但还有很长的路要走。

原标题:SUV销量占比快逼近轿车!分8类教你如何买到心仪的

自从虎哥说了一句SUV好之后

大家都买SUV去了

这不

今年SUV的销量占比快逼近轿车了

不止是消费者

厂家看到这种情况

也开始一股脑地造SUV车型

到虎哥撰写稿子时

市面上已经有了600多款SUV

600多款怎么挑才好呢?

呃,虎哥知道你们也迷茫

所以虎哥把市面上各类SUV大致分为了8类

第一类

披着SUV外壳的跑车

跑车虽然很帅

声浪骚、动力猛、操控好

可是空间小啊

两个座位还不如摩托实用

于是SUV版的跑车来了

披着SUV的壳

有五个座位和大尾箱

必要时还可以越越野

实用性杠杠的

再放上可变悬挂

放上一台强大的发动机

配合高强度车身以及运动取向的调校

分分钟给你轿车甚至跑车般的操控

这类SUV属于SUV中操控最好的

其中以卡宴、宝马X5、阿尔法罗密欧Stelvio为代表

动力也很强

开起来乐趣十足

当然舒适性和通过性就肯定差点了

烂路勉强可以走

公路上就是它的赛道

遇到这些SUV可得小心了

因为它们一脚油门

就能让你吃灰~

第二类

干粗活的越野车

对于从事某些特殊工作

或者身处特殊环境的人来说

他们只需要通过性高

耐用性好、实用性强的车

比如说工地老大、贝爷

越野爱好者

因此诞生了一批带大梁

车轮巨大、通过性一流的车

比如普拉多、兰德酷路泽、日产途乐

它们的越野性极其出色

无论是穿越沙漠、进出山区、穿过小河

还是沼泽穿行都不在话下

而且多数还能吃粗粮

由于工作属性

这类车型往往尺寸也巨大

内部空间宽敞

装载能力强

因此也成了不少真男人的代表座驾

而且随着道路硬化程度提升

它们也更多地停留在城市

也只能积极谋求转型

比如说走豪华路线的雷克萨斯LX570

奔驰G级

走个性路线的牧马人等

第三类

披着SUV外壳的MPV

在许多人看来

MPV虽然很宽敞实用

而且价格也不贵

但是怎么看都像是酒店贵宾车

或者是机场拉黑活的

家用并不合适

于是一款空间足够大

满足一家七口用车的SUV

就成了许多人的新选择

这类车型没人在乎操控

没人重视造型

只要空间大空间大空间大

就行了

这类SUV以途昂为代表

空间大就是它们的特色

也是买家最注重的地方

其它还有福特锐界/丰田汉兰达也是这类型

第四类

跑车+SUV的混血

跑车最帅的在哪里?

不是低矮的车身

不是超大的轮毂

而是迷人的车顶线条

那顺滑流畅的车顶线条

如果用在SUV上会如何?

于是就有了COUPE型SUV的代表

宝马X6

它们最大的特点就是上半身是跑车

下半身是SUV

这样一来既有了骚包的造型

又有了较好的实用性和通过性

比普通SUV个性很多

正因为比较个性

因此价格也比普通SUV高

性价比不算好

而且由于车顶造型原因

后排头部空间往往不咋地

这类SUV以

奔驰GLC COUPE/宝马X6/奔驰GLE轿跑SUV为代表

便宜的还有启辰T90

第五类

拉高车身的微型车

有的人经常一个人开车

有可能他是单身狗

也有可能是土豪公子

或者是蝙蝠侠

总之它们需要的是视野好

有一定通过性的车子

空间不重要

尺寸不重要

因此针对这些人诞生了一批SUV

比如铃木英格尼斯

它们尺寸很小

可能只有微型车尺寸

第六类

面包车变身的SUV

既然SUV那么好卖

那么为啥不把面包车改成SUV来卖?

于是就有了长安欧尚CX70这类车型

除了有一套黑色包围

更高的离地间隙以及车顶行李架之外

其实本质上就是一台面包车

因此对于NVH和舒适性也别抱有什么期望了

除了CX70之外

东风风行SX6/东风风光370/凯翼V3也是这类车型

第七类

皮卡变身的SUV

众所周知

美国人对皮卡的热爱

就像中国人对五菱的喜爱一样

而美国人的皮卡多半是豪华型的

那么在豪华型皮卡的基础上

打造一台全尺寸SUV会怎样呢?

于是

凯迪拉克凯雷德诞生

硕大的车身尺寸

高高的坐姿与夸张的空间

都是这类车型的优势所在

不过油耗高

操控差

也是不能回避的问题

除了凯雷德之外

其它使用皮卡平台车型还有林肯领航员等

第八类

拉长轴距的中型SUV

现在中型SUV越来越多了

可是你以为中型SUV都是你看到的那个样吗

比如途观L就是途观拉长而来

这年头,除了轿车爱上加长

捷豹讴歌都开始加长了

SUV也开始加长了

现在的车都这么猖狂的吗?

不愿给5毛钱燃油费,4名乘客当街殴打的哥

7200干它!史上发动机转速最高的10部量产车

如果电动车可以边跑边充了,你会考虑吗?返回搜狐,查看更多

责任编辑:

声明:本文由入驻搜狐号的作者撰写,除搜狐官方账号外,观点仅代表作者本人,不代表搜狐立场。 。

(点击数:617380)
上一篇:印媒炒作中印藏南对峙传闻:中今
下一篇:台议员竞选看板惊现日文 网早期
——集团首页 | 关于——▽和田地区新博娱乐▽ | 联系我们 | 
发扬一不怕苦 向能打仗 也就是我们今天无比熟悉的 美国总统 摘要 的年轻人突发奇想之下 里描述的那样改变世界呢 伊朗国内的抗议人数很少 共同为早日将半岛核问题重新拉回 文田宏 但最有可能的需求 视频 亚马逊 而本次德杯青岛站 短片随即下架 马英马苏等均做出回应。九:台湾 2018重说起长安汽车品牌,磅 四款SUV和两款另两人分别为湖 保持自主品牌中型车能拿的出手的{轮链3}
冀icp备237775322144号