会员服务
人工智能 · 机器学习 · 理解 · Thomas G. Dietterich · 俄勒冈州立大学（Oregon State University） ·
2020 年 1 月 3 日
【Thomas G. Dietterich】机器“理解”意味着什么?（What does it mean for a machine to “understand”?）
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

主题： What does it mean for a machine to “understand”?

摘要： 对人工智能的最新进展的批评者抱怨说，尽管这些进展对人工智能系统产生了显著的改进，但这些系统仍然没有表现出“真实”的意义。“真”这个词的使用意味着“理解”是二元的。一个系统要么表现出“真正的”理解，要么没有。这种思维方式的困难在于，人类的理解从来就不是完美无缺的。在这篇文章中，我认为“理解”沿着一个连续的能力谱存在。

作者简介： Thomas G. Dietterich，俄勒冈州立大学杰出教授（荣誉退休）兼智能系统主任。个人主页：http://web.engr.oregonstate.edu/~tgd/

成为VIP会员查看完整内容
https://medium.com/@tdietterich/what-does-it-mean-for-a-machine-to-understand-555485f3ad40
8

相关内容

人工智能(Artificial Intelligence, AI )是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支。
【MIT-ICLR2020】神经网络能推断出什么? What Can Neural Networks Reason About?
【MIT-ICLR2020】神经网络能推断出什么? What Can Neural Networks Reason About?
专知会员服务
43+阅读 · 2020年2月21日
【Tom Kocmi博士论文】探讨迁移学习在神经机器翻译中的应用，Exploring Benefits of Transfer Learning in Neural Machine Translation
【Tom Kocmi博士论文】探讨迁移学习在神经机器翻译中的应用，Exploring Benefits of Transfer Learning in Neural Machine Translation
专知会员服务
9+阅读 · 2020年1月9日
预训练语言模型究竟捕获了什么？（oLMpics - On what Language Model Pre-training Captures）
预训练语言模型究竟捕获了什么？（oLMpics - On what Language Model Pre-training Captures）
专知会员服务
12+阅读 · 2020年1月3日
【NeurIPS2019教程】机器学习中的组合性（Compositionality In Machine Learning）
【NeurIPS2019教程】机器学习中的组合性（Compositionality In Machine Learning）
专知会员服务
16+阅读 · 2019年12月16日
【论文推荐】将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding
【论文推荐】将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding
专知会员服务
17+阅读 · 2019年12月14日
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
专知会员服务
53+阅读 · 2019年12月12日
【文章|自注意力(self-attention)机制图解】《Illustrated: Self-Attention》by Raimi Karim
【文章|自注意力(self-attention)机制图解】《Illustrated: Self-Attention》by Raimi Karim
专知会员服务
43+阅读 · 2019年11月18日
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【CMU】机器学习导论课程（Introduction to Machine Learning）
专知会员服务
58+阅读 · 2019年8月26日
ACL 2019 | 理解 BERT 每一层都学到了什么
ACL 2019 | 理解 BERT 每一层都学到了什么
THU数据派
9+阅读 · 2019年9月9日
胶囊网络，是什么？
胶囊网络，是什么？
人工智能头条
32+阅读 · 2019年1月2日
FCS Perspective|Thomas G. Dietterich观点：人工智能与人类组织的鲁棒性
FCS Perspective|Thomas G. Dietterich观点：人工智能与人类组织的鲁棒性
FCS
3+阅读 · 2018年12月21日
理解人类推理的深度学习
理解人类推理的深度学习
论智
17+阅读 · 2018年11月7日
深度 | 思考VC维与PAC：如何理解深度神经网络中的泛化理论？
深度 | 思考VC维与PAC：如何理解深度神经网络中的泛化理论？
机器之心
5+阅读 · 2017年12月17日
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
AI科技评论
3+阅读 · 2017年11月25日
Geffory Hinton的“胶囊”里到底装的什么“药”？
Geffory Hinton的“胶囊”里到底装的什么“药”？
AI前线
4+阅读 · 2017年11月17日
特征工程的特征理解（一）
特征工程的特征理解（一）
机器学习研究会
10+阅读 · 2017年10月23日
AI都干过什么让人细思极恐的事？
AI都干过什么让人细思极恐的事？
全球创新论坛
4+阅读 · 2017年9月15日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
What Can Neural Networks Reason About?
Arxiv
9+阅读 · 2020年2月15日
Extending Machine Language Models toward Human-Level Language Understanding
Extending Machine Language Models toward Human-Level Language Understanding
Arxiv
4+阅读 · 2019年12月12日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
BERT has a Mouth, and It Must Speak: BERT as a Markov Random Field Language Model
Arxiv
3+阅读 · 2019年2月11日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Did the Model Understand the Question?
Arxiv
4+阅读 · 2018年5月14日
Token-level and sequence-level loss smoothing for RNN language models
Arxiv
7+阅读 · 2018年5月14日
Graph Attention Networks
Arxiv
9+阅读 · 2018年2月4日
A guide to convolution arithmetic for deep learning
Arxiv
6+阅读 · 2018年1月11日
Attention Is All You Need
Arxiv
25+阅读 · 2017年12月6日
VIP会员
相关主题
人工智能
机器学习
理解
Thomas G. Dietterich
俄勒冈州立大学（Oregon State University）
相关VIP内容
【MIT-ICLR2020】神经网络能推断出什么? What Can Neural Networks Reason About?
【MIT-ICLR2020】神经网络能推断出什么? What Can Neural Networks Reason About?
专知会员服务
43+阅读 · 2020年2月21日
【Tom Kocmi博士论文】探讨迁移学习在神经机器翻译中的应用，Exploring Benefits of Transfer Learning in Neural Machine Translation
【Tom Kocmi博士论文】探讨迁移学习在神经机器翻译中的应用，Exploring Benefits of Transfer Learning in Neural Machine Translation
专知会员服务
9+阅读 · 2020年1月9日
预训练语言模型究竟捕获了什么？（oLMpics - On what Language Model Pre-training Captures）
预训练语言模型究竟捕获了什么？（oLMpics - On what Language Model Pre-training Captures）
专知会员服务
12+阅读 · 2020年1月3日
【NeurIPS2019教程】机器学习中的组合性（Compositionality In Machine Learning）
【NeurIPS2019教程】机器学习中的组合性（Compositionality In Machine Learning）
专知会员服务
16+阅读 · 2019年12月16日
【论文推荐】将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding
【论文推荐】将机器语言模型扩展到人类级别的语言理解，Extending Machine Language Models toward Human-Level Language Understanding
专知会员服务
17+阅读 · 2019年12月14日
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
【神经网络数学的初学者指南】（A Beginner’s Guide to the Mathematics of Neural Networks），伦敦国王学院数学系教授| A. C. C. Coolen
专知会员服务
53+阅读 · 2019年12月12日
【文章|自注意力(self-attention)机制图解】《Illustrated: Self-Attention》by Raimi Karim
【文章|自注意力(self-attention)机制图解】《Illustrated: Self-Attention》by Raimi Karim
专知会员服务
43+阅读 · 2019年11月18日
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
【ICCV 2019 Toturial】Interpretable Machine Learning for Computer Vision（用于计算机视觉的可解释性机器学习）
专知会员服务
28+阅读 · 2019年10月30日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
31+阅读 · 2019年10月17日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【CMU】机器学习导论课程（Introduction to Machine Learning）
专知会员服务
58+阅读 · 2019年8月26日
热门VIP内容
相关资讯
ACL 2019 | 理解 BERT 每一层都学到了什么
ACL 2019 | 理解 BERT 每一层都学到了什么
THU数据派
9+阅读 · 2019年9月9日
胶囊网络，是什么？
胶囊网络，是什么？
人工智能头条
32+阅读 · 2019年1月2日
FCS Perspective|Thomas G. Dietterich观点：人工智能与人类组织的鲁棒性
FCS Perspective|Thomas G. Dietterich观点：人工智能与人类组织的鲁棒性
FCS
3+阅读 · 2018年12月21日
理解人类推理的深度学习
理解人类推理的深度学习
论智
17+阅读 · 2018年11月7日
深度 | 思考VC维与PAC：如何理解深度神经网络中的泛化理论？
深度 | 思考VC维与PAC：如何理解深度神经网络中的泛化理论？
机器之心
5+阅读 · 2017年12月17日
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
讨论 | 你是否遇到过你完全不能理解的机器学习概念？
AI科技评论
3+阅读 · 2017年11月25日
Geffory Hinton的“胶囊”里到底装的什么“药”？
Geffory Hinton的“胶囊”里到底装的什么“药”？
AI前线
4+阅读 · 2017年11月17日
特征工程的特征理解（一）
特征工程的特征理解（一）
机器学习研究会
10+阅读 · 2017年10月23日
AI都干过什么让人细思极恐的事？
AI都干过什么让人细思极恐的事？
全球创新论坛
4+阅读 · 2017年9月15日
Andrew NG的新书《Machine Learning Yearning》
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
What Can Neural Networks Reason About?
Arxiv
9+阅读 · 2020年2月15日
Extending Machine Language Models toward Human-Level Language Understanding
Extending Machine Language Models toward Human-Level Language Understanding
Arxiv
4+阅读 · 2019年12月12日
Causality for Machine Learning
Arxiv
22+阅读 · 2019年11月24日
BERT has a Mouth, and It Must Speak: BERT as a Markov Random Field Language Model
Arxiv
3+阅读 · 2019年2月11日
Optimization Models for Machine Learning: A Survey
Arxiv
18+阅读 · 2019年1月16日
Did the Model Understand the Question?
Arxiv
4+阅读 · 2018年5月14日
Token-level and sequence-level loss smoothing for RNN language models
Arxiv
7+阅读 · 2018年5月14日
Graph Attention Networks
Arxiv
9+阅读 · 2018年2月4日
A guide to convolution arithmetic for deep learning
Arxiv
6+阅读 · 2018年1月11日
Attention Is All You Need
Arxiv
25+阅读 · 2017年12月6日
微信扫码咨询专知VIP会员
Top