※ 引述《gonzdevour (吞食)》之銘言： : 以更簡單、更傳統的方式就可以做到。我當晚回家，把這個問題想了一下， : 在兩天之內設計了一個手寫辨識器，比奈斯特的更快、更小、更能夠變通。」 : 如果我想以一個電腦門外漢的取徑， : 在不涉及專業知識的狀況下知道他是怎麼用傳統方式辦到的，請問有可能嗎？ : 換句話說，我想瞭解關於這個「傳統方式」的簡單原理說明。 Hawskin 的方式很特別，他是先把書寫英文字母的動作「簡化」成幾個特定的軌跡， 然後再用處理向量的方式來辨識。 這套系統叫 Graffiti，http://en.wikipedia.org/wiki/Graffiti_%28Palm_OS%29 裡面有圖解。 : 作者似乎想用這個例子指出神經網路的大部份用途可以用其他方式取代， : 所能做的比人工智慧的程式還少；我想到的第二個問題是， 他只是在說明，類神經網路並不是這個用途的最佳選擇。 然而他沒說的是，類神經網路某種程度上是「所有」問題的第二選擇－－ 你總是有可能基於對某問題的深入瞭解而找到最佳的方法， 但對於不甚了解的問題，類神經網路總是能做出可接受的成果。 : 能否用這個理由來反對「人工智慧計算理論已經被聯結論所淘汰」的說法？ 不行，跳太快了。 : 另外，作者經常把「發生在腦海中的東西」和「行為」判然二分(如p61第三段)， : 然後說不應該由行為來界定智慧，我覺得有點奇怪。 : 當然許多「行為」屬於外顯行為， : 但悶不吭聲的思考、預測、計畫難道就不算是「行為」嗎？ 這是他對於美國主流思想的反動。在上個世紀末，行為心理學派因為實驗方法比較好， 而成為心理學與精神醫學中的主流，而這某種程度上影響到了當時的人工智慧領域。 在台灣，我們感受不到那種風氣，自然會覺得他講得太超過了。 : 最後是一個用語上的問題。書裡面把「人工智慧」與「神經網路」作對比， : 然而依我以往的認知，神經網路屬於人工智慧研究的一個派別， : 人工智慧研究目前包括計算論和聯結論(神經網路)。請問我的認知是否錯誤？ 人工智慧研究並不是「包括」計算論和聯結論，而是從某個角度你可以把人工智慧 「分類」成這兩種，但不必然只是這樣。 當然，只拿類神經網路來質疑整個人工智慧領域，是很有問題的。 同時，他也沒說明我在上面稍微提到的，類神經網路的「優點」。 --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 140.109.19.234