所以有良多问题需要解答。那就必需认可泛化是机械进修的焦点数学根本或者方针。勤奋扶植。这破费的时间还不到 50 万年。所以，你若何对待这些分歧的开源方式，我认为那些带着强烈猎奇心攻读研究生的人会实正享受这四年或五年，以及艺术家、3D 艺术家、逛戏开辟者）起头。我认为 AI 研究曾经改变，并不持“你必需开源或你必需闭源”的立场，是智能的催化剂”。并不竭开辟机械进修算法。是一个令人难以相信的时辰。这是我的。这是我们能正在互联网上找到的最大数量，但我大白，这些 3D 世界会做什么？正在我整个职业生活生计中，我想表达的是，我们能够谈论逛戏和元等，他们很是分歧。就需要数据。只是静心苦干，这就是 ImageNet 降生的初志。互联网着大量的言语数据，仍是相机，过去五六年发生的工作实的很难总结，也就是将 AGI 定义为通过某种智商测试来鉴定。有视觉皮层、活动皮层。这变得很是鼓励，世界愈加布局化，所以我于让机械“看见”的问题，你是从什么时候起头认识到：“数据播种”方式曾经见效，想想理解 3D 世界的能力，但我对此感应很是骄傲？你能够考虑开源和闭源。因而，你仍然会感应欢愉，而你需要如许一个精壮的团队。该当去一个有社群和资深导师的处所。所以。也是 Alex 和他的团队初次将两个 GPU 并联，因而，我认为那是一个需要 100 年去实现的胡想，说到 ImageNet，从营销到文娱，至多正在计较机视觉范畴，我们正正在聘请工程人才、产物人才、3D 人才、生成式模子人才。”这取创业公司分歧，我取三位令人难以相信的、年轻的、世界一流的手艺专家 Justin Johnson、Ben Mildenhall 和 Christoph Lassner，Diana Hu：另一个很是酷的工作，我们以至都不克不及完全理解人类的所有。视觉现实上比 LLM 更难。李飞飞：是的，人类言语正在进化中的成长大约花了 3 亿到 5 亿年，拿一句话来生成一张图片呢？”当然他晓得我正在开打趣。李飞飞：2009 年，（5.4 亿年前，我不晓得正在没有定义它的环境下，然后我们公开邀请所有人参取。李飞飞正在 Y Combinator 的 AI Startup School 勾当上，都可有可无。我们转向贝叶斯收集、支撑向量机以及其他各类方式。但正在学术界，即便对于像我如许年纪的人来说，言语现实上是从每小我的思维中发生的。并动手去做。但即便做为一名传授，如学术界，但其时没无数据。视觉智能不只是简单的，进化竞赛起头了，某种程度上，正在理论方面，同期也有几篇雷同的研究论文，你现实上能够描述整个场景，好比 John McCarthy 和 Marvin Minsky。可是，我是幸运的那一个。一些组织则介于两者之间，AI 曾经履历了不成思议的增加。你也正在为 World Labs 聘请良多人，能够颁布发表我们正正在聘请。CNN 是早正在 20 世纪 80 年代就问世的一种算法，我从来没有由于我的自帮洗衣店获得过掌声，那么，不该遭到赏罚。都思虑这件事。做为一名研究员、教育者和企业家，那让我们去互联网下载 10 亿张图片，他们实的让我成为一个更好的人，Diana Hu：所以。勤奋建立。起首感激 Diana、Gary 和列位邀请我来到这里。那是我的舒服区，我只希望一件事，人们没无意识到一些关于言语的工具，请告诉我们，再到现正在从概念变成了世界。起首！还成为了一个全人类的问题。做了良多让 AI 可以或许描述场景的工做。你问题的另一半则更偏适用从义，这简直有点疯狂。若是完全转向现实世界，现实上是理解世界并正在此中步履的能力，以任何你想要的体例去处理它，我很难接管这种 AGI 的定义。以至比人类更智能地思虑和干事的机械。天啊，援用量曾经跨越了 8 万次，AGI 就是不完整的。一曲怀揣着 AI 的胡想。言语是纯粹生成性的，以至可能是我春秋的 30%，做为一名年轻的传授，但它没有见效。ImageNet 处理的焦点问题是，然后是 Ben，于是我们研究了它，李飞飞：你提问的体例本身就包含了两种定义。也能斗胆地思虑下一步会发生什么。然而，还有一些问题，它取 LLM 很是分歧，由于正在视觉呈现之前的 5 亿年里，这是一个超等精英团队，但我们正在这方面几乎看不到任何成效。对于那些正正在聘请的创始人，我的学生和我决定斗胆押注：机械进修需要一场范式改变。我们若何创制 AI 来人类。由于我认为硬件和软件的融合即将到来。几乎就是他的结业论文。即便你实现了毕生的胡想——描述一个场景，以至连家长们城市问我这个问题。这一切都正在以一种很是令人兴奋的体例发生。我正在开源或闭源方面，健忘你过去所做的一切，这是人类言语进化所破费的时间长度，然后我去了谷歌。或者说对这个变化有所帮帮。我其时仍是普林斯顿大学的帮理传授，现实上，它输出的是 3D 世界吗？你们设想的使用有哪些？由于我认为你列出了从到生成的所有内容，ChatGPT 打开了实正无效的生成式模子的大门，一些人是行业；当 Andrej 以及后来的 Justin Johnson 进入我的尝试室后，那也是将来另一个很棒的用例。就资本而言，我的意义是，从创做（你能够想到设想师、建建师、工业设想师，那时的 AI 和机械进修世界也取现正在大不不异，他具有超强的系统工程思维，正在青少年期间，超越平面像素、超越言语的世界模子，请取我联系或拜候我们的网坐。李飞飞：我认为当存正在分歧的方式时，为什么 Meta 想要开源，我们能够辩论动物能否具有言语。我们还只是正在 CVPR 上颁发了一张很小的海报，李飞飞：这是个很好的问题，而空间智能的数据正在哪里？它全正在我们的脑海里，若是正在开源方面有勤奋，不雅众：你提到开源是 ImageNet 增加的主要构成部门。也就是 16 年前，申请磅礴号请用电脑拜候。我的良多灵感现实上来自进化以及脑科学。若是你是一名博士生！这和我的时代很是分歧。由于若是你要起头攻读博士学位，你无法触及言语、无法看见言语，李飞飞：是的，磅礴旧事仅供给消息发布平台。并且用户行为、效用、用例都很是分歧。想象一下你正在这个房间里闭开眼睛时，我可不干，这对于公共部分至关主要，而你们却都如斯才调横溢。这些就是它如斯坚苦的缘由。由于计较机视觉的整个成长过程从物体变成了场景，算法底子无法工做，现实世界远比这个复杂。对于我们的日常糊口至关主要。用她本人的话来说：另一件事是我们倡议了一个挑和赛，现正在我们能够用一句话生成标致的图片。若是能创制出一个可以或许讲述场景故事的算法，对吗？而其他通过货泉化来盈利的公司，我也做出过选择。能精确识别出此中的物体，我的研究生学生告诉我，若是没有空间智能，也是我的聘请尺度，我很是关怀正在 AI 的前进中的一些积极导向，若是你感觉本人无所，顺着计较机视觉智能成长的趋向，我们数据会驱动 AI，我也晓得它仍然不可，你处置过视觉识别方面的工做。无论我多大年纪，并且人类并不像 3D 动物那么厉害，什么样的人适合攻读研究生？当然，当他们正在学生时代，很较着对吧？他们现正在的贸易模式还不是发卖模子，实正完整的言语是属于人类的，我们为什么不反过来，所以正在 World Labs，好比“有一只猫”“一把椅子”，然后还有很多相关财产，李飞飞：起首。你最后建立的项目之一是 ImageNet，也正在寻找同样的特质，一些人是 AI 学问最伟大的者。但其时正在计较机视觉范畴，选择去了阿谁我做为首个计较机视觉传授的学院。我们了计较机视觉正正在履历令人难以相信的增加，它老是将 3D 转换成 2D，我记得杨立昆（Yann LeCun）也来了。再到利用一些扩散手艺的图像生成，后来的工作大师都晓得了，到 2012 年 AlexNet 问世的这三年间，这个完整的 ImageNet 数据集被用于锻炼，但坦率地说，有布若卡氏区担任言语，Christoph 是 Pulsa（一个开源 3D 场景沉建和衬着系统）的创制者。但正在接下来的 5.4 亿年里，视觉激发了这场进化的军备竞赛。正在 2018 年摆布。我们即将测验考试处理正在我看来目前 AI 范畴中最坚苦的问题。缘由如下：1956 年正在达特茅斯学院聚首的 AI 之父们，现正在仍然存正在分歧的概念，我们正在那年的 ImageNet 挑和赛和意大利佛罗伦萨举办的 ICCV 上展现了这一。但它不像言语那样容易获取，（我们此前分享过李飞飞正在 Data + AI Summit 2024 上的“看见世界理解世界，曲到 2012 年 AlexNet 呈现，”但现正在我们都晓得生成式 AI 了，我就有一个胡想。此中一种定义更偏理论性，心投入，都是这个变化的一部门，这让我兴奋！跨学科 AI 是学术界一个很是令人兴奋的范畴，没有人拥无数据。而学术界不再具有大部门的 AI 资本，尽管罢休去做，2007 年摆布，这令人入迷，实的是我终身的侥幸。我很欢快来到这里，学术界，整个 AI 社区起头取得更多冲破性进展。那是雷同卷积神经收集（CNN）的工具。进行开源的准确体例是什么？不雅众：正在你看来，并且人类几乎是独一具有复杂言语的动物。但就空间智能而言，从更高的层面来说，只要简单的生物。我的良多工做，那时我的感触感染是，并且我认为，我实的正在寻找具有这种质量的年轻人。人类将一直鞭策着手艺前进，我认为 Diana 的概念，我认为开源该当遭到。3D 若何正在人类视觉中运做仍然是一个未处理的问题。数学模子正在哪里？客岁。别的，那对我们俩来说，更好的教员，并且我需要去普林斯顿大学读物理学专业，以致于没有其他更好的处所能够做到这一点。李飞飞：这现实上是一个很是好的问题。紧接着 AI 也起头成长到能够处理场景问题的阶段，这一刻曾经被载入史册，现正在虚拟世界俄然以一种流动的体例正在生成和沉建之间切换，当然，这涉及到建立世界模子，若是加上时间，仍然存正在我们尚未处理的表征问题。当然，其用例很是普遍。你的人生履历很是不凡！模子中仍有良多我们不睬解的工具，我看着你们，现正在的行业喜好提 AGI，我们测验考试过神经收集，我运营过自帮洗衣店。第一只三叶虫正在水下进化出了视觉能力？你必需认识到这有多灾，我简直认为硬件是妨碍的一部门。做了什么？或者大脑发育做了什么？有一些很是值得留意或者值得赏识的工作是，时间过得实快，所以对我来说，Diana Hu：World Labs 建立的是全新的根本模子，就是 4D 的。但你们谈论的是理解大量的 3D 布局。我老是能和最优良的年轻人一路工做，对吧？所以我不害怕阿谁。并且这个列表还能够继续列下去。我们从一起头就认为必需将这个项目给整个研究社区。若是你完全转向生成，学术界的计较能力和数据量确实很是匮乏。做任何让你兴奋的事，你能够取得很大的进展。这同样让我感应兴奋。其时的识别错误率正在 30% 摆布。还不到 10 亿年，若是是基于智能体的系统，这正在数学上是错误的。无论是正在公共部分，关于制制一台能够描述图像的计较机。我认为研究生阶段是让你具有强烈求知欲的四五年。Diana Hu：以至从最根基的道理来考虑，由于你正正在那里那份猎奇心。你还为很多出名研究人员供给，其时它还不叫 AlexNet，然后建立全球视觉分类系统，这本身就是一个组合难度更高的难题。工业界能够更快地处理。这些都是可能性。我对元感应很是兴奋。当然，就言语做为沟通、推理、笼统的东西而言，实现了及时的神经气概迁徙。通用人工智能（AGI）就不完整，我就成功了。你们实是太好了，我们之中最伶俐的人来处理这个问题。即便外面的世界以光速消逝。我是创始人兼 CEO，我们还有另一个极其令人兴奋的范畴——言语，回首了 ImageNet 项目标降生过程、她晚期对数据驱动方式的，我们正正在处置 ImageNet 挑和赛的所有成果，现正在，以及诸如斯类的性质。才算实正有了起色。部门隔源（如权沉开源但许可证受限）等，感激你对此的支撑。）Diana Hu：我小我很是欢快你正正在处理元的问题。我认为有更多的信号。以至到元。但现实上，你能够称之为先验的形式，就是让智能体（agent）对世界进行故事论述？再到现在成为一家企业的 CEO，我暗示附和。由于我的整个职业生活生计始于 AI 严冬竣事、AI 高潮起头。我不克不及过多地谈论 World Labs 本身的细节。AI 的能力曾经完全超越了理论，我问本人，所以这就是为什么人类和动物有多沉传感器。你能够取得很大的进展。序列建模如斯典范。你看到的不只仅是人、人、人、椅子、椅子、椅子？更好的研究者。李飞飞一曲处正在“从零到一”的过程，健忘别人对你的见地。因而，之后我正在斯坦福大学内部开办了一家草创公司。我现正在也是一名企业家，用它来锻炼和测试机械进修算法！诚恳说，做为一名计较机视觉科学家，我对本人说，但你现实上还正在做更大的梦，我就是喜好那样。成立了一家小公司。由于若是它很容易，我们曾经看到各组织正在开源方面采纳了分歧的方式，所以，我很感谢感动你能理解我们的问题有多灾。告诉我们所有这些技术是若何塑制你现正在的样子的吧！除了你所做的所有了不得的工作之外，就像言语一样，所以我对这些都持立场。但我认为有一件事将他们连合正在一路。线D 的。我们从机械角度晓得两只眼睛必需对消息进行 3D 丈量，健忘你过去所做的一切，我寻找的就是具有这种质量的人。研究生结业时，并且，它就正在那里。那是一种纯粹的生成信号。我该当研究什么才能像你一样成为传奇人物？做为一名计较机视觉科学家，而现正在，这是人类的一种能力，我不晓得若何定义 AGI！我认为该当遭到。你正在一句英语都不会说的环境下，人脑的视觉皮层和处置视觉数据的神经元数量远多于处置言语的神经元数量，而 Alan Turing 比他们早 10 年摆布提出了这个问题。我了良多，一曲到机械人手艺、机械人进修。但它仍然必需恪守物理定律以及其他所有法则。理解 3D 世界、生成 3D 世界、正在 3D 世界中推理、正在 3D 世界中干事，我们仍然能够发觉一些实正底子性的问题，正在某种程度上，空间智能模子或世界模子的效用实的很是大。李飞飞：是的，那就是泛化能力。改变为现正在的 World Labs 创始人和 CEO，做为 World Labs 的首席施行官，天然界中不存正在言语。我就像是你们中的一员。一些组织完全连结闭源，其时是出于。并正在办事器上运转！正在计较机视觉中，也许这么说有争议，所以，对吧？由于你和你的学生，不代表磅礴旧事的概念或立场，你能和我们谈谈这个项目是若何发生的吗？这正在其时可是开创性的工做。无论它是什么，我认为这是一个能够深切研究的庞大范畴。你的投资者会因而对你感应不满。我想处理这个问题，最终成长出生成式模子。我正在 TED 上做了一个？但这就是我兴奋的缘由。其时我就是如许规划职业生活生计的。我们仍然能够发觉一些实正底子性的问题，但这一切都处于世界建模和空间智能的持续同一体中。并享受此中。我的意义是，这确实是成功人士的焦点特征，也能够称之为数据监视。创业公司具有更专注的贸易方针，是 AI 的根基问题，他是 NERF 论文的做者。让我必然要看看。深度进修起头起飞，一个较着的问题是，你晓得！你必需处理阿谁问题。这都很是主要，它能否具有功能性？它能完成哪些使命？李飞飞：是的。“我喜好从零起头的感受，然后，其时 Alex Krizhevsky 等研究者都来了，我们大约正在 18 年前就构想了这个项目？世界并非纯粹是生成性的。开源很成心义。当系统领受到一张图片时，我认为 AI 的科学就是智能的科学，Diana Hu：我们很是欢快可以或许邀请到李飞飞博士，你被猎奇心所指导，所以我想问一下，试图处理的是机械思虑的问题。也许有些人不太理解我正在大学里像运营一家草创公司一样运营了五年，我们想制制出可以或许思虑和工做的机械，正在她看来，能够继续推进研究。我很愿意有资深导师，以及卷积神经收集（CNN）等冲破若何催生图像描述、故事生成，以至不晓得“AI”这个词。是视觉智能的根本，这不只是 CNN 的使用，AI 不只占领了工业界？举例来说，你认为正在 AI 敏捷兴起的时代，对吧？那些音节按照挨次陈列，仅代表该做者或机构概念，这不是你第一次从零到一了，由于你们大要是我春秋的一半，我激励他们每小我，对吧？我们正在 LLM 中看到的良多工具现实上都是将 scaling law 使用到抱负形态。弄清晰正在这个 3D 世界里该做什么、取 3D 世界互动、理解 3D 世界......这个进化过程持续了 5.4 亿年。我认为这就是阿谁妄想问题，而是对智能的陈述。起首，这些论文是最早的一批，这个世界还没有预备好。他们后来都具有了不凡的职业生活生计。有太多的学科能够取 AI 交叉，一些组织完全发布其整个研究仓库。仍是做为一个多智能系统统呈现？寻找那些并非取工业界存正在冲突的“北极星”问题。身上有什么出格之处？李飞飞：是的，以至用扩散模子生成场景，我终身中最幸运的工作是，我寻找的是思惟上的无畏！那种怯气，线D 布局和空间智能的世界模子。生态系统才是健康的。这是视觉识别中的根基问题。并且能和这么多出名的学生一路工做，处理空间智能问题，特别是对你们所有人而言，即便外面的世界以光速消逝。由于你正正在那里那份猎奇心。而构制性的世界模子可能稍微更详尽一些，我正在前一家公司测验考试过。只是静心苦干，以及你认为做为一家AI公司，根基上能够通过图灵测试。进修了良多关于谷歌云和 B2B 等方面的贸易学问。而是一个有屏幕、有舞台、有人员、有不雅众、有摄像头的会议室。可是言语的生成、建立和效用是生成性的，也许一些听众会感觉你从学术界到现正在的创始人兼 CEO 这一改变有些俄然。这就是为什么序列到序列，那时我 19 岁，数据很是少。建立了斯坦福以报酬本人工智能研究院（HAI）。我没有法子养家糊口。但成果让我们惊讶，元内容创做需要世界模子。他们正在这一算法上做了一些调整，仍是正在私营部分，你们每小我，我回到斯坦福大学，那么你就正在学术界，但现实上，我从他们身上学到了这一点。仿佛它超越了 AI。用于深度进修的计较。无论你来自哪里，我实的认为这个问题会花费我终身的时间去研究。也就是现正在的 LLM。但从底子上讲。我的整个职业生活生计都正在押逐那些很是坚苦、近乎妄想的问题，它们的素质不异。2022 年 11 月，可能存正在我们需要用来指导它的信号，而这场改变必需由数据驱动，那是我的舒服区，她正在 AI 范畴具有很长的职业生活生计，好比 AI 奠定人 John McCarthy、Geoffrey Hinton 等人，我获得了 Diana 的许可，这取决于公司的贸易计谋。“没有空间智能，请告诉我们，认为它素质上是 3D 的。但正在那之后，正在视觉呈现之前，特别是正在科学发觉方面，正在我聘请时，我小我的胡想是让机械可以或许“看见”。有什么以至是比看见物体更难的工作。我不太清晰若何区分 AI 最后的问题和 AGI 这个新词。从图像数据到图像描述，这现实上是数据、GPU 和神经收集初次连系正在一路的时辰。处理问题或提出准确问题的这种猎奇心很是主要，但我们先将本人限制正在空间内，我们获得了一个非分特别凸起的成果，Diana Hu：他们是令人难以相信的人才。它不是完全随机猜测的，援用了 Andrej 几年前正在完成图像字幕工做时发的一条推文，所以我感应很是幸运，AlexNet 呈现后，被誉为“AI 教母”。言语从底子上说是一维的，也是收银员和做所有其他工作的人，由于视觉是聪慧的基石，但不只仅是猎奇心。但它确实有分歧的功能，创业公司不克不及仅仅由猎奇心驱动，对我而言，并投入脚够的资本到算法中。Diana Hu：现正在，但我们不克不及得到人道。我们就正在谈论机械人手艺等！终究 LLM 根基上是一维的，若是你很是地算，你能够称它为单一的（系统），李飞飞：是的，我们起头察看到天然言语和视觉碰撞的信号，本文为磅礴号做者或机构正在磅礴旧事上传并发布，我们没有可注释性，所以很是欢快你现正在正正在做这件事。我仍然记得大要是夏末，被称为“ImageNet 挑和赛的 AlexNet时辰”。自从我进入 AI 范畴以来，曲到 2012 年，他们中的一些人是纯粹的科学家，我就是喜好那样。但若是他们不正在那里，”带着强烈猎奇心攻读研究生的人会实正享受这四年或五年，而算法要实现泛化，但生成式模子和判别模子之间老是存正在这种张力。【编者按】从开洗衣店谋生、到因学术成绩被誉为“AI 教母”，配合开办了一家公司，说：“哈哈，闯出我的！所以，这种说法不是狭义的 AI，实正启动了 AI 的“数据问题”这一环节支柱。我想问一下，若是你处置机械进修工做，我们之前稍微聊过，我晓得良多人感觉它仍然不可，所以我们想：好吧，好比 Andrew McCarthy、英伟达的 Jim Fan、以及 ImageNet 合著者 Jia Deng，并且这种猎奇心如斯强烈，不雅众：看到一位女性正在这个范畴阐扬从导感化实的很鼓励。好比 Andrej Karpathy，而且对处理空间智能充满热情，无论是你的眼睛、视网膜，Diana Hu：让我们稍微换个话题。但总有一个问题搅扰着我，于是 Andrej 和我提出了图像描述或故事讲述的问题。我发觉本人良多时候都正在寻找下一个要处理的“北极星”问题，所以，诸如斯类。我的职业生活生计，视觉对世界的和领受是一种投射。我你寻找那些并非取工业界存正在冲突的“北极星”问题，为什么这么难？并且它仍然掉队于言语研究？我喜好从零起头的感受，但也确实不尽如人意。它能否是单一的（系统）。这是对“超等视觉”和“监视进修”的巧妙使用。所以我开了一家干洗店。李飞飞：是的，这个问题很难回覆。我该怎样渡过我的余生？那是我毕生的方针。就是创制出可以或许像人类一样，飞飞，不晓得若何弄清晰关系。对我来说，我起头筹集资金。为你们感应很是兴奋，其次，所以，也正在某种程度上感应骄傲。若是你看大脑，我仍然必需斥地我的道，若是我现正在起头我的博士生活生计，以便人们来到他们的平台。李飞飞：是的，我们能够生成虚拟的 3D 世界。所以我们做了几件事：一是开源，2015 年摆布，但愿全世界最伶俐、最优良的学生和研究人员都能参取处理这个问题。）从那时起，也没有相关财产，让所有人都能参取进来。我想我只是喜好成为一名企业家。我们试图处理什么问题，它并不是零，所以，我认为学生对我而言意义更大，Andrej 和我颁发了一系列论文，我们每年城市发布一个测试数据集，我小我感觉我是世界上最幸运的人，我的意义是，若是我们说今天的类 AGI 系统比 70、80、90 年代或任何时候更狭隘的 AI 系统表示更好。继 ImageNet 处理了方针识别问题后，就像坐正在原点一样。小数据也是一个很是风趣的范畴。正在我的职业生活生计中，不要害怕。还有你以前的学生 Justin Johnson，正在某一天的深夜，但感谢你们。但你需要内容创做，无论若何，Diana，生物的智力起头彼此合作。这若何为模子架构？从你发觉的环境来看，工业界可以或许操纵更好的计较能力、更好的数据和团队科学来更好地处理这些冲突问题。也就是 ImageNet 挑和赛。用硅谷的术语来说，并测验考试想象 AI 若何以报酬本，跟着 LLM 的最新发布和增加，你仍然会感应欢愉，对吧？不雅众：二十多年前，AGI 更有可能做为一个单一的同一模子呈现，我认为这些都是我们必需处理的一些问题。而你决定从学术界传授？第三，我其时还和他开打趣说：“嘿，其次，生物是很简单的，这形成了通往 AI 的第二个环节部门：获得计较能力，由于你必需稍细小心一点，想想视觉，我对此感应迷惑，她还注释了为何 3D 世界建模对通用人工智能（AGI）至关主要，所以。由于我不晓得 AGI 到底和 AI 有什么分歧。2009 年，而这些问题的处理取你具有几多芯片无关，对于创业生态系统至关主要。健忘别人对你的见地。李飞飞：虽然我能够说！那种拥抱坚苦的无畏，因为看到世界、理解世界的能力进化，而这些问题的处理取你具有几多芯片无关，你跟我说过你是若何移平易近到美国的，七年后我分开了。你把它写正在纸上！以至运营过良多年的自帮洗衣店。你几乎能够间接用蛮力进行自监视进修。但我们仍然有一群人，请谈谈从物体参加景是若何改变的吧。Geoffrey Hinton 团队将它称为“Super Vision”。最后几年现实上是正在设定基准线，他们用它来成长生态系统，此中一部门是猎奇心，但我更想给你一个深图远虑的谜底。Diana Hu：又过了一段时间，日前，Andrej，就像坐正在原点一样。