Опасности и преимущества использования нейросетей и ИИ для человечества - факты и только факты

[Inti]

Если однослойная сеть имеет фундаментальные ограничения (экспоненциальная сложность обучения) то расслоение к многослойной эквивалентно делению экспоненциальной функции  на константу (количество слоев).

Дык тогда путь очевиден - берите половину однослойной - и ваша неизвестная  экспоненциальная функция умножится на два 

[nonconvex]

Они не утверждали, что:

• многослойные сети невозможны
• обучение сложных сетей в принципе неосуществимо
• нейросети как класс бесперспективны

2. Чего они не добавили (фатальный пробел)
❗ Они не сказали:

«Эти ограничения могут быть сняты добавлением слоёв и другого алгоритма обучения».

Если однослойная сеть имеет фундаментальные ограничения (экспоненциальная сложность обучения) то расслоение к многослойной эквивалентно делению экспоненциальной функции  на константу (количество слоев)

Нет.

У вас и аргументы есть?

[TAU]

Они не утверждали, что:

• многослойные сети невозможны
• обучение сложных сетей в принципе неосуществимо
• нейросети как класс бесперспективны

2. Чего они не добавили (фатальный пробел)
❗ Они не сказали:

«Эти ограничения могут быть сняты добавлением слоёв и другого алгоритма обучения».

Если однослойная сеть имеет фундаментальные ограничения (экспоненциальная сложность обучения) то расслоение к многослойной эквивалентно делению экспоненциальной функции  на константу (количество слоев)

Нет.

У вас и аргументы есть?

Есть. Мои аргументы - неслыханные, восхитительные практические успехи многослойных нейросетей сегодня.
Не слыхали? 

[torazurey]

[Inti]

Не думаю что там сильно много про ИИ, но в то что студент смог сделать кое-что практически полезное - охотно верю. Я сам когда-то автоматизировал передачу данных со спектрографов на компьютер в сталеплавильном цехе который управлял плавкой добавляя в неё различные компоненты. До автоматизации периодически бывали ошибки персонала(который передавал данные анализов голосом по телефону) с результатами плавок в виде "памятников" - т.е. куч дефектного металла которые так и оставались на территории комбината. После автоматизации ошибки полностью прекратились. Только я был не студент а вчерашний студент, это была одна из моих первых работ.

[telekast]

Не думаю что там сильно много про ИИ, но в то что студент смог сделать кое-что практически полезное - охотно верю. Я сам когда-то автоматизировал передачу данных со спектрографов на компьютер в сталеплавильном цехе который управлял плавкой добавляя в неё различные компоненты. До автоматизации периодически бывали ошибки персонала(который передавал данные анализов голосом по телефону) с результатами плавок в виде "памятников" - т.е. куч дефектного металла которые так и оставались на территории комбината. После автоматизации ошибки полностью прекратились. Только я был не студент а вчерашний студент, это была одна из моих первых работ.

А5!

[nonconvex]

Они не утверждали, что:

• многослойные сети невозможны
• обучение сложных сетей в принципе неосуществимо
• нейросети как класс бесперспективны

2. Чего они не добавили (фатальный пробел)
Они не сказали:

«Эти ограничения могут быть сняты добавлением слоёв и другого алгоритма обучения».

Если однослойная сеть имеет фундаментальные ограничения (экспоненциальная сложность обучения) то расслоение к многослойной эквивалентно делению экспоненциальной функции  на константу (количество слоев)

Нет.

У вас и аргументы есть?

Есть. Мои аргументы - неслыханные, восхитительные практические успехи многослойных нейросетей сегодня.
Не слыхали?

Слыхали. Проблема решена аппроксимацией и отказом от поддержания  корректности. Решена за счет точности, конечно. Но какое все это имеет отношение к дискуссии выше, о теоретической сложности?