筛选结果
83 篇排序
1:17:29EN → 简体中文
Lex Fridman· 2019年9月23日播客 · 2 人对谈算法已经更好，诊所却还在用 1967 年的标准嘉宾 Regina Barzilay · 主持 Lex FridmanMIT 的 Regina Barzilay 讲，深度学习（deep learning）为什么已经胜过乳腺癌的“密度”评分，而数据、法律责任和激励机制为什么仍然推不动改变。
1:59:49EN → 简体中文Lex Fridman· 2019年9月14日播客 · 2 人对谈智能不是楼的高度：François Chollet 谈 Keras、深度学习，以及为什么通用人工智能（AGI）不会爆发式崛起嘉宾 François Chollet · 主持 Lex FridmanKeras 作者在 Lex Fridman 的节目里说，智能是大脑、身体与问题相互作用的产物；科学早已是一个会递归自我改进的超人系统，产出却只呈线性增长；而近期真正的危险是信息流。
1:44:11EN → 简体中文Lex Fridman· 2019年8月27日播客 · 2 人对谈一块 GPU 就够了：Jeremy Howard 谈如何教深度学习嘉宾 Jeremy Howard · 主持 Lex Fridmanfast.ai 创始人在与 Lex Fridman 的对话中说，真正决定深度学习（deep learning）能否帮到人的，是领域专家，再多的论文或 TPU 都无济于事。
1:10:58EN → 简体中文Lex Fridman· 2019年6月3日播客 · 2 人对谈让谷歌开源 TensorFlow 的 Hadoop 教训嘉宾 Rajat Monga · 主持 Lex Fridman2015 年 11 月，谷歌把自己内部的核心机器学习系统放上了 GitHub。Rajat Monga 解释，像谷歌这样体量的公司为什么要把最难复制的那部分交出去。
1:46:01EN → 简体中文Lex Fridman· 2019年4月29日播客 · 2 人对谈AlphaStar 击败 TLO 那晚，团队去了酒吧嘉宾 Oriol Vinyals · 主持 Lex FridmanOriol Vinyals 谈 DeepMind 如何把《星际争霸 II》变成一个序列问题、搭建智能体联盟，以及为什么他仍然不肯说这款游戏已经被解决。
1:08:37EN → 简体中文Lex Fridman· 2019年4月18日播客 · 2 人对谈蒙特利尔的一家酒吧，然后是一夜写代码：Ian Goodfellow 谈 GAN 为何奏效嘉宾 Ian Goodfellow · 主持 Lex FridmanLex Fridman 与 Ian Goodfellow 对谈，聊 2014 年生成对抗网络（GAN）的发明、作为安全问题的对抗样本（adversarial examples），以及机器要像人一样掌握一个事实，还需要建造什么。
1:20:21EN → 简体中文Lex Fridman· 2019年1月19日播客 · 2 人对谈爱因斯坦曾是五名博士生里最差的一个嘉宾 Tomaso Poggio · 主持 Lex FridmanMIT 神经科学家 Tomaso Poggio 谈智能为何是科学中最深的难题，以及大脑仍有什么要教给机器的东西。
46:25ENLex Fridman· 2019年1月17日播客Deep Learning at the Edge of 2019: BERT, Autopilot, and the Ideas That Broke Through主持 Lex FridmanA tour of the architectural, applied, and automation breakthroughs that defined deep learning in 2018 and set up 2019.
1:19:59EN → 简体中文Lex Fridman· 2018年12月23日播客 · 2 人对谈Schmidhuber 的赌注：真正的元学习改写的是学习者本身，而不只是最后一层嘉宾 Juergen Schmidhuber · 主持 Lex FridmanJürgen Schmidhuber 向 Lex Fridman 讲述，哥德尔机、把压缩当作科学、Power Play、LSTM 和世界模型，如何都源于一个少年时的计划：把一个人的好奇心放大，造出一个比他本人强得多的物理学家。
42:45EN → 简体中文Lex Fridman· 2018年12月16日播客 · 2 人对谈单腿机器人只凭“这个更好”学会了后空翻嘉宾 Pieter Abbeel · 主持 Lex FridmanPieter Abbeel 对 Lex Fridman 说明，为什么偏好比较、自我对弈、十分钟示范，以及杂乱的模拟器组合，是深度强化学习（RL）的切实路径。
54:03EN → 简体中文Lex Fridman· 2018年11月16日播客 · 2 人对谈教科书略去了学习中最难的那部分嘉宾 Vladimir Vapnik · 主持 Lex FridmanVladimir Vapnik 在与 Lex Fridman 的对谈中认为，智能的核心工作是发明能缩小可容许函数集的谓词，在一大堆数据上拟合规则做不到这一点。
42:18EN → 简体中文Lex Fridman· 2018年10月20日播客 · 2 人对谈成年人能改变去年的想法，网络却做不到嘉宾 Yoshua Bengio · 主持 Lex FridmanYoshua Bengio 对 Lex Fridman 说，深度学习缺的那几块，在于信用分配、训练目标，以及从经典 AI 借来的一种组合性，靠堆出一万层网络补不上。
1:29:03ENLex Fridman· 2016年9月27日播客From Word Vectors to Memory Networks: The Building Blocks of Deep NLP主持 Lex FridmanRichard Socher explains how word embeddings, recurrent models, GRUs, pointer mixtures, and dynamic memory networks turn language tasks into trainable end-to-end systems.
1:00:51ENLex Fridman播客Deep Learning From the Ground Up: Hugo Larochelle's One-Hour Tour of Neural Network Foundations主持 Lex FridmanA fast, equation-level walk through feed-forward networks, backpropagation, practical training tricks, dropout and batch normalization, from the 2016 Deep Learning School.
1:07:29ENLex Fridman播客Deep Reinforcement Learning from First Principles: Rewards, Q-Learning, Policy Gradients and AlphaZero主持 Lex FridmanLex Fridman's MIT 6.S091 opening lecture walks from the basic RL framework through DQN, actor-critic methods and AlphaZero to the unsolved problem of moving from simulation to the real world.
9:59ENLex Fridman播客Is Language or Vision Harder? Ilya Sutskever on the Unity of Machine Learning主持 Lex FridmanIn a short clip from his 2020 conversation with Lex Fridman, Ilya Sutskever explains why vision, language and reinforcement learning share the same few principles, and why asking which problem is harder is the wrong question.
15:01ENLex Fridman播客 · 2 人对谈Deep Learning Is a System 1 Machine: Daniel Kahneman on What AI Still Lacks嘉宾 Daniel Kahneman · 主持 Lex FridmanThe Nobel-winning psychologist tells Lex Fridman how his fast-and-slow thinking framework maps onto deep learning, and why driving among pedestrians may require understanding people.
1:25:16ENLex Fridman播客From Hand-Built Features to ResNets: Andrej Karpathy's Crash Course in Convolutional Networks主持 Lex FridmanA 2016 Deep Learning School talk covering how convnets work, how the ImageNet winners evolved, and how to apply them without being a hero.
54:33ENLex Fridman播客 · 2 人对谈Vision or Lidar, Human or Machine: Lex Fridman's 2019 Map of the Self-Driving Race嘉宾 Self-Driving Cars · 主持 Lex FridmanThe opening lecture of MIT's 6.S094 course surveys 2018's milestones, the industry's optimistic predictions, and the beliefs about driving and humans that will decide who wins.
1:24:43ENLex Fridman播客From Sparse Coding to GANs: A Tour of Unsupervised Deep Learning in 2016主持 Lex FridmanRuslan Salakhutdinov walks through autoencoders, Boltzmann machines, variational autoencoders and adversarial networks at the Deep Learning School, with candid notes on what did and did not work.
58:46ENLex Fridman播客Caging the Neural Network: How Aptiv Thinks About Safe Self-Driving主持 Lex FridmanAptiv Autonomous Mobility's Karl Iagnemma and Oscar Beijbom explain why end-to-end learning is hard to trust in cars, and show how PointPillars and nuScenes push lidar perception forward.
1:15:59ENLex Fridman播客Steering Through Time: How Recurrent Networks and LSTMs Learn from Sequences主持 Lex FridmanLex Fridman's MIT 6.S094 lecture walks from backpropagation basics to LSTMs and the way they are used to predict steering in self-driving cars.
18:46ENLex Fridman播客Deep Learning Plus One Idea: Ilya Sutskever on Building AGI主持 Lex FridmanIn a May 2020 conversation, Sutskever discusses self-play, simulation, bodies and consciousness, tests of intelligence, and how an AGI might be governed and aligned.
1:31:52ENLex Fridman播客From Phonemes to CTC: How Deep Learning Rebuilt Speech Recognition主持 Lex FridmanBaidu's Adam Coates walks through the traditional speech pipeline, the CTC-based end-to-end engine that replaced much of it, and what it takes to scale and deploy it.加载更多已显示 24 篇，共 83 篇