机器一次模型使用推断 inference 过程我认为耗能也不大。 在模型训练过程的一次 inference 也是目的降低“信息熵” 。 所以人和机器从这点看,还是没区别~

Reply to this note

Please Login to reply.

Discussion

机器和人脑一次推断能量使用不是一个数量级。

模型训练降低信息熵,推断不降。

所以最终你的结论, 人和机器有区别:即,机器耗能大给类给热力学熵, 人脑耗能小,归给“信息熵”。 只是耗能区别

机器推断没降信息熵啊,耗能可以算是特征,也可能是关键,比如电子计算机永远不可能获得人脑的能耗水平,就像电磁相互作用和强相互作用了,不是大小的问题,而是量级的东西。

本质就是一点,除非推至无限,有限非线性拟合结果与真实值之间的距离是客观的数学误差。

1. 我没写“推断降低信息熵”这样的推断。 我写的“训练过程” 的inference, 更近一步的假设是 online learning 这样的系统, 那更是无所谓了。

2. 同意 能耗 能级这样的硬参数也许是关键

3. 感觉宇宙本质无需“非线性”, 线性都能描述到本质。

我也不知道,每个研究者都是迷途小学童🐶。

不过对于各种主义我是敬而远之的。我的看法是科学研究中哲学可以用来启发,但不能用来指导,按主义研究属于赌博押大小。