[《AI 3.0》读书笔记](//www.greatytc.com/p/3a002b41da29)
[《AI 3.0》读书笔记 序1](//www.greatytc.com/p/5a58b278b491)
[《AI 3.0》读书笔记 序2](//www.greatytc.com/p/24df6f50e398)
[《AI 3.0》读书笔记 序3](//www.greatytc.com/p/24df6f50e398)
[《AI 3.0》读书笔记 译者序](//www.greatytc.com/p/a24f15c62d54)
[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能01](//www.greatytc.com/p/2cb7747e5f2d)
[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能02](//www.greatytc.com/p/db77634228d0)
[《AI 3.0》读书笔记 第一部分 若想对未来下注，先要厘清人工智能为何仍然无法超越人类智能03](//www.greatytc.com/p/db77634228d0)
[《AI 3.0》读书笔记 第一部分 04 何人，何物，何时，何地，为何](//www.greatytc.com/p/95222fed7777)
如今，机器智能在ImageNet上的目标识别能力是否已经超越人类的争论众说纷纭。这一论断是基于人类的错误率约为5%，而机器的错误率接近2%的一个声明，这难道无法证明计算机在这项任务上的表现比人类更好吗？答案是否定的。
第一，当你读到“一台机器正确地识别了目标”时，你会认为，给定一张篮球的图像，机器会输出“篮球”这一结果；但在ImageNet竞赛中，正确地识别仅意味着正确类别出现在机器给出的前5个输出类别中。如果给机器输入一张篮球的图像，机器按顺序输出的是门球、比基尼、疣猪、篮球和搬家货车，即可被判定是正确识别。
第二，对于“人类在ImageNet上的识别错误率约为5%”这个声明，其中的“人类”一词实际上表述得并不是非常准确，因为这一结果来自被试只有一个的实验。
第三，当一个人说照片中有一条狗时，我们认为这是因为人类在图像中实际上看到了一条狗，但是如果ConvNets“说”图像中有狗时，也许只是图像中有一些其他对象，如网球、飞盘、被叼住的鞋子，这些对象在训练图像中往往与狗相关，而ConvNets在识别这些对象时就会假设图像中有一条狗。这类关联的结果往往会愚弄程序，使其做出误判。
