游戏厅中有一个机器叫做小球迷宫
玩法：投币->小球从顶部掉下->经过中间好几层的障碍棒->掉落至下面的 n 个洞口
训练：加入棒子，多次调整棒子的位置
推理：铁球，皮球，橡胶球等各种球就能准确的落到不同的位置
多次调整棒子后，这个模型就训练完成了，这个迷宫就变成了一个能分拣/识别小球的模型
所以我觉得吧，pytorch 的神经网络与一个分拣系统原理大差不差
 | 1 ty29022 Aug 25, 2025 那么这套 3D 弹球系统如何解释注意力机制呢， 如何解释当红的 Transfomer 呢 我觉得只要不强求人们能理解训练过程，像反向传播，梯度下降这些数学工具 单单就神经网络的概念来说，初中生也能理解，没必须造一套似是而非的概念 个人认为负责任的科普首先要告诉人们：人工智能≠神经网络 |
 | 2 superrichman Aug 25, 2025  2 就是人工鹦鹉，你教了很多书上的句子给它，你跟它说话，它看心情说几句逗你乐。 |
 | 3 TieYu OP 等理解玩弹力球，就可以开始理解楼上说的反向传播，梯度下降这种更高级的工具了 反向传播，梯度下降他们都是用来调整棍子的方法 ，目的就是找出正确的规律（拟合）， 毕竟阻碍棍达到一定量（几百万，几千万，几个亿）后 手动调整棒子这就不行了，调个几年都调整不完，我们需要通过数学方法做一些记录，回溯，回归 拿到复盘报告（反向传播）后，经过分析可以撤掉一些棍子，让棍子倾斜一些角度等来调整，使其拟合 |
 | 4 lscho Aug 25, 2025 2 让行外人员理解人工智能 让行外人员理解神经网络 人工智能≠神经网络 |
 | 5 BlueSkyXN Aug 25, 2025 人工智能≠神经网络 这才是人工智能： 输入（问题） --->人无法理解的人造狗屎 --->输出（莫名其妙的回答） |
 | 6 zjsxwc Aug 25, 2025 1 世界的本质是“计算不可约”的。沃尔夫勒姆 |
 | 7 kneo Aug 25, 2025 via Android 讲故事，让外行人觉得自己理解。 |
Select Language