筛选结果
347 篇排序
3:00:18EN → 简体中文
Lex Fridman· 2020年6月13日播客 · 2 人对谈只有模拟才可能有意识嘉宾 Joscha Bach · 主持 Lex Fridman约沙·巴赫（Joscha Bach）对 Lex Fridman 讲，为什么一个神经元什么也感觉不到，为什么存在是默认状态，以及为什么这个正在走向消亡的世界，仍然是这场游戏里最好的一关。
1:37:28EN → 简体中文Lex Fridman· 2020年5月8日播客 · 2 人对谈我们仍在严重低估深度学习嘉宾 Ilya Sutskever · 主持 Lex FridmanIlya Sutskever 在与 Lex Fridman 的对谈中谈到，为什么 2012 年的突破靠的是信念，为什么更大的模型可能会先变差再变好，以及如果拥有一个通用人工智能（AGI），他会怎么做。
1:48:01EN → 简体中文Lex Fridman· 2020年4月3日播客 · 2 人对谈David Silver：AlphaGo 赢在拿掉了人类知识嘉宾 David Silver · 主持 Lex FridmanAlphaGo 与 AlphaZero 背后的 DeepMind 研究员 David Silver 向 Lex Fridman 讲述：无人领取的百万美元围棋奖金、七岁时用过的 BBC Micro，以及一次蜜月中的灵感，如何促成了超人水平的自我对弈。
1:12:48EN → 简体中文Lex Fridman· 2020年2月29日播客 · 2 人对谈John Hopfield 的心智物理学：故障变成了特征嘉宾 John Hopfield · 主持 Lex Fridman这位普林斯顿大学的物理学家，带 Lex Fridman 从摇晃的伦敦桥说到 Hopfield 网络、把意识当作故事，以及他那个著名的模型为什么仍然解释不了学习。
1:44:55EN → 简体中文Lex Fridman· 2020年2月14日播客 · 2 人对谈如果还要六万张数字图，你就还没有找到智能嘉宾 Vladimir Vapnik · 主持 Lex FridmanVladimir Vapnik 对 Lex Fridman 说，智能是用几个好的谓词把一片函数之海压缩下来的艺术，而用每类六十个样本解决 MNIST，就是检验标准。
49:53EN → 简体中文Lex Fridman· 2019年11月25日播客 · 2 人对谈Gilbert Strang 仍然用粗粉笔和四个子空间教书嘉宾 Gilbert Strang · 主持 Lex Fridman这位 MIT 线性代数传奇人物与 Lex Fridman 谈论 OpenCourseWare、奇异值、把神经网络看作一百万次折叠，以及为什么微积分占去了本科课表的大头。
55:24EN → 简体中文Lex Fridman· 2019年10月27日播客 · 2 人对谈机器的手很稳：Garry Kasparov 谈深蓝、AlphaZero 与普京嘉宾 Garry Kasparov · 主持 Lex Fridman前世界冠军在与 Lex Fridman 的对话中讲述，为什么输给 IBM 至今仍让他难受，为什么国际象棋从来不是智力的巅峰，以及他为什么住在纽约。
1:25:01EN → 简体中文Lex Fridman· 2019年10月3日播客 · 2 人对谈Gary Marcus：深度学习模仿智能，却并不理解嘉宾 Gary Marcus · 主持 Lex Fridman在 Lex Fridman 的播客上，这位纽约大学荣休教授、《重启 AI》（Rebooting AI）的合著者认为，感知与推理需要不同的工具；在机器能够表示伤害、瓶子和意图之前，可信的 AI 不可能实现。
1:03:13EN → 简体中文Lex Fridman· 2019年9月30日播客 · 2 人对谈两种公平不可兼得，Peter Norvig 这样说嘉宾 Peter Norvig · 主持 Lex Fridman《人工智能：一种现代方法》的合著者，在与 Lex Fridman 的对话中谈到再犯风险评分、效用函数、Lisp、MOOC，以及为什么人类水平的智能不应成为目标。
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。
1:15:58EN → 简体中文Lex Fridman· 2019年8月31日播客 · 2 人对谈人类智能只是窄得离谱的一小片嘉宾 Yann Lecun · 主持 Lex FridmanYann LeCun 向 Lex Fridman 解释：为什么巨型神经网络加上梯度下降推翻了教科书，为什么“AGI”是个用错的词，以及为什么下一次飞跃是像婴儿那样学习的世界模型。
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。
2:09:42EN → 简体中文Lex Fridman· 2019年7月1日播客 · 2 人对谈大脑在地图上导航，不靠给图像分类嘉宾 Jeff Hawkins · 主持 Lex FridmanJeff Hawkins 在与 Lex Fridman 的对谈中解释，新皮层（neocortex）为何把世界存成成千上万个会投票的参考框架（reference frame），以及为什么把今天的网络继续做大，无法抵达那里。
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.
1:56:35EN
Cognitive Revolution "How AI Changes Everything"播客From Autocomplete to Alien Optimizer: Riley Goodside on Three Eras of Prompting主持 Nathan LabenzScale AI's first staff prompt engineer traces how language models went from pure text prediction to instruction following to RLHF, and what that means for building with them.
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.加载更多已显示 24 篇，共 347 篇