#1 - 2024-5-7 12:17
Comrade (Unite!)
我的体验是重点无非是大量做题，通过题目和答案训练人脑fit试题，提高准确率，降低loss

有一天模型得分超过人那是一点也不奇怪的
#2 - 2024-5-7 12:27
浪人楚晨(二号机) (东突厥斯坦人)
还是有些区别的，神经网络应该不需要训练服从性
#3 - 2024-5-7 12:31
oakpeter
今年新出生人口600万
#3-1 - 2024-5-18 03:57
Majimay
养老压力正在攀升
#4 - 2024-5-7 12:37
Tora (相信的心是人类的魔法)
模仿/有监督只是一种学习的手段，基础教育/高中教育罪不在此。
#5 - 2024-5-7 12:44
InvFish
至少高中教了数学，which is somehow difficult for ai
#6 - 2024-5-7 12:48
Killy (～∧o∧o@∧o@∧o～∧o∧o-∧o～∧o∧o@∧o@∧o～∧o∧o-∧o)
ChatGPT 现在做题就已经超过大部分人了
#7 - 2024-5-7 12:50
伝説の少女A (アニメはゴミしかない、私も。)
可以把高中两个字去掉
#8 - 2024-5-7 12:54
无边棱墨
有区别。你的意思是两者同时有着追求训练正确逻辑的特征，但是这不能推出来1等于2
#9 - 2024-5-7 12:55
无边棱墨
如果只是想批判重复刷题的训练方式的话，就无所谓比较这两者了
#10 - 2024-5-7 13:01
rock1995 (人生五十年 如梦亦如幻 有生斯有死 壮士何所憾 ... ...)
教育跟训练ai有质的区别？
#11 - 2024-5-7 13:05
EmAugust
你为什么觉得像训练人工神经网络那样学习是一种错误的学习方式？
#12 - 2024-5-7 13:07
Hakula
我印象中 GPT-4 的 SAT 得分确实不低，参见当时的 技术报告。

应试教育和训练神经网络确实差别不大。不如说神经网络的训练方式就是从「人类如何学习」的问题中总结出来的。
#13 - 2024-5-7 13:10
eeethen_^ (日光之下，并无新事)
那你这样说打游戏跟RL也没区别啊，不都是逐渐探索reward比较高的trajectory么(bgm38)
#14 - 2024-5-7 13:16
恺冢霙
并不觉得用公式做题相比神经网络训练有什么优势，公式和定理只不过是对现实的一种总结，倒不如说神经网络模拟才是认识这个世界更有效的方式，像是AI下棋的技术早就超过人类了
#14-1 - 2024-5-7 15:50
Ann
我自己觉得其实不是这样？
数学中的公式和定理，并不依赖任何「现实」，我们所需要的就是ZFC公理体系中的九条公理。借此，我们甚至可以从头开始构造出自然数
#15 - 2024-5-7 13:29
喜欢沙拉 (喜欢女儿)
不光高中了，leetcode嗯刷是成为量产型大湾区闹钟的一个方式
#16 - 2024-5-7 15:40
Ann (如果我们忽略了自己，便无法认识身外的各种事物。)
神经网络本质上应该不懂任何知识吧。它无非是线性映射和非线性映射的叠加，所"学习"的也只是线性映射的参数。(我们只是采用某种最优化方法，例如梯度下降，来获取这些参数罢了)
我觉得这和人的学习有本质区别。

不过我也非常反对目前高中式的教育，以刷题为核心的应试fit说到底只是利益游戏罢了，无法培养真正的伟大思想(包括文学艺术和自然科学)，也无法发展出独立健全的人格。
#16-1 - 2024-5-7 15:55
技术规范书阿卡卡
人的学习跟ai的训练又有什么区别呢？也许人大脑里也都是些参数罢了。
#17 - 2024-5-7 15:48
Sawarin🎐 (轻拢慢捻抹复挑，初为妳尝后六咬，我是河豚我娇㜜！)
AI不是早就超越人类了吗？
#18 - 2024-5-7 15:51
persona
日常生活中那么多决策哪里用不到先验、最大似然、后验、更新呀(bgm71)
贝叶斯：你好，在想我的事？
#19 - 2024-5-7 16:23
槍鋼鋼的凰華
有本质区别，比如你高中学的所有内容都是为高考做准备，高考完就可以全忘了。
而样本集你删几个试试。
#20 - 2024-5-7 16:41
MinalinskY☆ (努力成为真正的河豚：剧毒又带刺，充满敌意...)
删除了回复
#21 - 2024-5-7 17:56
LostCyberized (Animation has its structure.)
算法层面不评价。但是数据集层面，确实没太大区别，就是大力出奇迹。