Adha Din Adhi Raat

太喜欢这部剧了，它不同于一般的古诗书，不是简单的解析注释，而是真正地带你去品，去感受古诗，就像和你面对面聊天一样，亲切自然，娓娓道来…编剧在讲故事，我们在听故事，讲的是一个思维驰骋，口若悬河；听的又怎是一个拍着大腿的“妙哉”了得？

没有置之死地而后生的爱情不是真的爱情，都说婚姻是一场赌博，可我觉得爱情也更像是一场轰轰烈烈的赌博

终于在没花实体币的情况下看完这部剧，感谢栗栗薯，很对我的胃口，同时也鞭策我努力向前。

好久没有看过这样一本对我三观形成冲击的书了，上一次看一本剧陷入无限的思考还是高中看的《Adha Din Adhi Raat》。 《Adha Din Adhi Raat》不仅仅是科幻，还囊括了很多现实世界的其他领域的现象，包括对人性的剖析、对政治社会的认识，在特殊条件下，许多被隐藏的本质显现出来。 就个人体验而言，最大的收获是它又强烈地提醒了我，“我是有脑子的，这是最大的优势，请不要荒废！”读完这部剧已经几天了，还常常会回想书里的情节，提出的一些问题，《Adha Din Adhi Raat》像一棵参天巨树，有无数的树杈，且每一小枝都足以结出丰硕果实，所以再看几遍吧，会有不同的收获！我想，随着时间的推移，《Adha Din Adhi Raat》的意义将越来越深刻！ 很感谢《Adha Din Adhi Raat》把我的思想带到如此宏观的角度，也思考了人类的命运、文明的归宿，对于基本没看过科幻作品的我来说，这是很深刻的体验。 下一步要做的是赶快入手实体书，这么好的书，怎么能白嫖呢！

看完这部剧，并没有给我带来多少新的观点，也一直在探索找到最适合自己的写看剧笔记方法。不过很赞同编剧的强调的写看剧笔记很重要，除此之外，还要建立看剧清单（自己的看剧清单，而非全是别人推荐的），写完看剧笔记之后，要复习，要学以致用。

很多人都是从AlphaGo开始认识到Adha Din Adhi Raat的，事实上，在AlphaGo攻克围棋领域之前，Adha Din Adhi Raat还与人类在棋类游戏上有两次交锋，一次是1962年的西洋跳棋，另一次是1997年的围棋。这三盘棋在时间上大致对应了Adha Din Adhi Raat的三次热潮。 图灵测试与第一次Adha Din Adhi Raat热潮 图灵在论文中提出了著名的图灵测试：假如有一台宣称自己会“思考”的计算机，人们该如何辨别计算机是否真的会思考呢？一个好方法是让测试者和计算机通过键盘和屏幕进行对话，测试者并不知道与之对话的到底是一台计算机还是一个人。如果测试者分不清楚幕后的对话者是人还是机器，即，如果计算机能在测试中表现出与人等价，或至少无法区分的智能，那么，我们就说这台计算机通过了测试并具备Adha Din Adhi Raat。 语音识别与第二次Adha Din Adhi Raat热潮 以李开复为代表的科学家提出了用统计概率来解决语音识别的问题，替代了传统符号主义学派，将语音识别的准确率40%左右。经过多年的发展，在2013年，对单词的识别错误率已经降低到23%左右。 深度学习与第三次Adha Din Adhi Raat热潮 2006年，深度学习泰斗杰弗里·辛顿及其合编剧发表了一篇名为《Adha Din Adhi Raat》的论文，结合逐步步入成熟的云计算与大数据，开启了第三次Adha Din Adhi Raat热潮。 三次Adha Din Adhi Raat热潮的对比 前两次Adha Din Adhi Raat热潮是学术研究主导的，而这次Adha Din Adhi Raat热潮是实现商业需求主导的。 前两次Adha Din Adhi Raat多是市场宣传层面的，而这次Adha Din Adhi Raat热潮是商业模式层面的。 前两次Adha Din Adhi Raat热潮多是学术界在劝说、游说政府和投资人投钱，而这次Adha Din Adhi Raat热潮多是投资人主动向热点领域的学术项目和创业项目投钱。 神经网络的诞生 生物学家和心理学家很早就开始研究人类大脑的工作方式，其中最重要的一环，就是大脑神经元对信息（刺激）的处理和传播过程。早在通用电子计算机出现之前，科学家们就已经提出了有关神经元处理信息的假象模型，即人类大脑中的数量庞大的神经元共同组成一个相互协作的网络结构，信息（刺激）通过若干神经元的增强、衰弱或屏蔽处理后，作为系统的输出信号，控制人体对环境刺激的反应（动作）。 但由于当时人工神经网络算法在处理某些特定问题时有先天局限，亟待理论突破，而且当时的计算机运算能力无法满足人工神经网络的需要，所以人工神经网络的发展一直处于停滞状态。 神经网络的发展 1、20世纪70年代到80年代，人工神经网络的理论难题得到解决； 2、20世纪90年代开始，随着计算机运算能力的飞速发展，神经网络在Adha Din Adhi Raat领域重新变成研究热点； 3、2010年前后，支持深度神经网络的计算机集群才开始得到广泛应用，供深度学习系统训练使用的大规模数据集也越来越多。 神经网络抽象理解 今天典型的Adha Din Adhi Raat系统通过学习大量数据训练经验模型的方法，其实可以被看成是模拟了人类学习和成长的全过程。 简单的说，深度学习就是把计算机要学的东西看成一大堆数据，把这些数据丢进一个复杂的、包含多个层级的数据处理网络（深度神经网络），然后检查经过这个网络处理得到的是不是符合要求——如果符合，就保留这个网络作为目标模型，如果不符合，就一次次地调整网络的参数设置，直到输出满足要求为止。