标签:人工智能、可解释性 ? 近年来,许多人工智能(AI)和机器人领域的研究人员一直努力开发能够解释人工智能的预测或机器人行为的系统。...最近,雷恩布列塔尼大西洋研究中心和图卢兹法国国家科学研究中心的研究人员进行了一项研究,对这一假设提出了质疑并进行了探索,希望能更好地理解人工智能的可解释性实际上如何影响用户对人工智能的信任。...“(这种差距在于)作为彼此有互动的人,我们总是习惯于不相信提供的解释。但作为计算机科学家,我们不断听到可解释性是公众接受人工智能的首要条件。”...类似地,研究人员认为,远程服务供应商可能在人工智能预测或行为背后的原因上对用户撒谎,例如,利用区别特征。在他们的论文中,他们将两者间的这种类似称为“保镖(bouncer)问题”。...Le Merrer和Trédan在他们的论文中提供了一些实例以展示“保镖问题”是如何影响远程情境中AI行为的可解释性。
下面重点来了,髓系注释的结果很奇怪呀!...如果背诵过不同细胞亚群的marker基因应该一眼就可以看出来,标记DC2的那一群都是mast细胞的特征基因: TPSB2:是一种蛋白编码基因,它编码的蛋白是类胰蛋白酶β-2(tryptase beta-...CPA3(Carboxypeptidase A3):是一种由CPA3基因编码的酶,属于羧肽酶A家族的锌金属蛋白酶,属于肥大细胞特异蛋白酶,可以在脉络丛肥大细胞中表达。...定居在组织中的单核细胞因其具有组织特异性而被赋予特定名称。在组织中,更倾向于注释为各种巨噬细胞:CD68/CD163 这种非常典型的都没有标注出来。...一起来背诵各种细胞的标记基因吧:单细胞亚群的关键基因背诵不下来肿么办。
(相信大家都知道的可视化客户端),还有就是网页版本的phpmyadmin,一执行便知道sql语句的问题了。...(2)让人头疼的是在某个框架中,我们使用框架封装好的方法我们去操作数据库,这样在一定程度上我们就不会用编写原声sql语句而头疼了,但是就是这样我们的sql语句出现问题我们排错也是更加困难的,接下来小编就给大家说两种我们在日常开发中常用的两种框架...当然在事件监听的Service里面要加上监听的事件类文件地址 ? 接下来我们就去编写一个记录sql语句的业务逻辑了 ? 之后我们编写sql处理方法 ?...之后在对应的文件夹下面就出现了一个文件,里面就记录了我们执行的sql语句 ? 2)还有一个简单暴力的方法 ? 这样也能打印出sql语句,当然这个sql语句就是一个预处理sql语句 ?...以上就是我们开发中最常用的排错以及去优化sql语句具备的基础操作,希望我们在日常开发中遇到sql语句的问题我们完全可以按照上面的操作去打印sql语句然后排错以及进行sql的优化
那些小的性侵,因为太过普遍,逐渐让人见怪不怪;又或是这些伤害,大多来自一些社会所认定的“流氓”。慢慢的,大众似乎开始对性侵事件变得“麻木”,还将其变为了茶余饭后的谈资。...每98秒就有人遭到性侵犯,这确实很“司空见惯” 性侵离我们远吗?非但不远,反而离我们很近很近。...公交车咸猪手、外卖小哥借送餐之机进行猥亵、司机性骚扰女乘客等,这些耳熟能详的事例,早已不是什么新闻。 ? 全球调查显示,每98秒就有人遭到性侵犯。而在性侵伤害案件中,女性是主要的受害群体。...“常见”的性侵事件,却突然变成了“新闻”? 不知道是不是因为那些性侵事件太过“常见”了,人们开始变得“麻木”起来。...VR比书本具有着更加直观的教育方式,而且内容也会更加丰富。以身临其境的代入感,帮助孩子去理解什么样的行为是性侵犯;让成年人学习在遇到危险时,该怎样去转变自己的处境。
所以,在看到NoFeed的时候,我才会有一种,如同天上降真主的感觉。 我甚至在看到这个产品之前,我都没有发现,我曾经有这么多,浪费时间的行为。...不仅是因为更准确的问题能得到更好的答案,更因为在你书写问题的过程中,通过坚实的文字表达整理飘忽的思绪。 你经由自己的好奇心驱使,打开页面,输入问题,得到答案。没有人猜你想问,没有人推荐热点。...我们逐渐变得被动、茫然、麻木,越来越难以去认真地阅读一本书,难以去看完一篇有深度的文章,难以去独立完成一次清晰、理性的判断。...而我们如今却懒得再翻开书籍,懒得去寻找答案,我们宁愿被算法推送的结果填满双眼,麻木大脑。 我害怕,当有一天我们习惯了这种被动的生活,我们真的就再也不会主动地去寻找知识和真相了。...他们还会保有创造力吗?还会保有独立判断的能力吗? 还是变成一群被算法轻易控制的,失去自我思考能力的人? 可是这就是时代的洪流,这也是我觉得,为什么NoFeed大概率会小众的原因。
对这句话,要稍微解释一下:想一想,我们所用的石油,它的生成时间轴至少需要200万年,你和石油之间,除了你用它和它被你用之外,其生产过程,和你有一毛钱的关系吗?...不要被财务人员的质疑唬住,这帮人,就是仅仅拥有数字,却对数字麻木不仁的一群人。现在就是你的机会,用大数据把他们忽悠住。...人们很容易陶醉于自己的数据结论中。同一个问题,看待的角度不同,就有不同的解释,而且都能找到数据支撑自己的观点。...如果有人给你讲理性,你就给它聊聊感性,而这句话就是最棒的武器,看有谁在这么强大的感性面前,给我讲理性,哈哈。 数据,就是我们新的上帝,其他人必须向这个全能的神,俯首称臣。...10.大数据,就像青少年的性行为。 在前面,如果我们用食材来比拟大数据,这还不够过瘾的话,那么现在这句话就是一个更酷的比喻。想一想,性,对于十六七岁的毛孩子而言,听起来很酷,说起来也过瘾啊。
但有时候我们总是很愿意相信自己的感觉,并不愿意相信数字,特别是在这个互联网时代,数字的堆积已经让我们麻木了。所以,罗列数字并不能代表小程序的成功。但在虎哥看来,最能够直观反映技术实用度的是外包市场。...也就是说,即使你无法从商业的更高角度来看待小程序,但至少作为一个技术开发者,外包开发小程序也已经能让你有一份不错的收入了。 2.jpg 这算是成功吗?...你我皆凡人,商业规模上的小程序是否成功的分析,虎哥拿不出来,分析的也不够准确。但我们倘若只从外包这块来看,大量小程序的开发需求从经济学的角度来看,它确实刺激了消费,刺激了产品的更新换代。...没有人关心你用的是什么框架,你用的是什么技术,什么语言,能出东西,能解决问题,能提高效率就是王道。一个产品的前端用jquery来写和用vue来写有区别吗?...对于你来说有区别,但对于那些产品的决策者,对于用户来说,没有区别。 1(640).jpg 早点跳出这种思维,你会有不一样的格局,也能比其他人多出更多的机会,同时这也是一个技术人士成熟的重要标志。
写在前面 这算是我夏令营的第二个阶段了,一心想要去南方发展的我一次次被南方985高校拒绝,心态已经麻木了… 一、山东大学计算机学院(7.10-7.12) 7.7上午10点多,我收到了山东大学计算机学院的入营通知...1.资格审查(7.8-7.9) 8号有个资格审查,一是身份查验,二是检查报名时填的各项荣誉是否有造假行为。...上机考试一共2道题,ACM难度,对于我这种菜鸡来说简直巨难!!考试平台是牛客网,不过现在好像搜不到原题了,题目我也记不太清了。...于是:能简单说下Java虚拟机的工作原理吗?我又是一脸懵逼…,然后随便瞎解释了一通。在不愉快的气氛中专业课问答结束。 ...接下来是项目问答: 面试官首先让我讲解了下我的那篇论文,讲完后面试官说:我看你在做实验时有用到LSTM,你能简单解释下LSTM的运行机理吗?
数据的分布(左图)在经历高斯扩散后,逐渐转化为特性-协方差高斯分布(右图)。中间一行显示了已经训练好的反向轨迹对应的时间切片 。...也就是说这种数学方法中考虑了不确定性。所以当我们使用这种数据方法来预测时,就受到了潜在的不确定性处理机制的影响。 我们的大脑并没有使用蒙特卡罗抽样来估算概率,那么它是怎样处理不确定性的呢?...然而我听说有人认为概率归纳法(probabilistic induction)/贝叶斯法则(Bayes rule)在某些领域适用。这样的领域都有哪些呢?...然而如果你掌握了关于这一扰动机制的输入的信息,那会怎么样呢? 你能利用所生成的分布预测输入吗?答案显然是yes! 一篇新的论文研究了显著性方法(saliency method)的不可靠性。...在深度学习网络中,显著性用于强调对网络预测起到最大作用的输入。它被多次提出以用来解释网络的行为。有趣的是,这篇论文展示了对输入的一个简单变换(即常数变换)会导致归因的失败。
翻译|佳灵 校对|孙强 在招聘和相关日常商业行为中,企业正更多地转向大数据。这已经引发了关于偏见是否会被根除的讨论。大数据真的能消除偏见?...有些人说是的,因为算法从本质上讲是数学性的、客观的,不是主观的。另一些人说数据和算法和创建它们的人一样有偏见。 为了更好地评价这个说法,要考虑用来评判人们的大数据类型。...基本类型的信息,如支付记录、负债、信用类型、新增信贷和信用记录被考虑在内。这是数据驱动的主要部分,仅仅以信用为基础。同样的方法能用于人力资源吗?...它触及到由大学领导的研究,表明计算机算法能够反映出创建它们的人的偏见。特别是关于性别和种族的歧视。 二、如何让大数据成为你的优势 在谈到招募应聘者时,大数据能帮上忙,但是还有很多要做。...那是能找到潜在应聘者的地方,因为他们在那里分享他们的知识,特别是如果有和招聘公司有关的问题。 总结:大数据和人力资源是良好的合作关系。无论如何,它不应该消除所有的商业行为。
但是,同样需要注意到的是,模型输出中常有理解性的基本错误。 这样看来,似乎出现了一个悖论:我们要如何协调这些模型看似超人的能力与持续存在的大多数人类都能纠正的基本错误?...本文首先通过两个角度讲生成模型的「理解」概念化: 1)给定一个生成任务,模型在多大程度上能在同一任务的判别版本中选择正确的回复; 2)给定一个正确的生成回复,模型在多大程度上能回答有关该回复的内容和问题...首先,研究者在选择性评估中对生成性任务和判别性任务的变体进行了并列性能分析,以评估模型在语言和视觉模式下的生成和理解能力。他们将这种生成和判别性能与人类进行比较。...图 4(右)展示了 OpenCLIP 与人类在不同难度下的判别性能对比。总之,这些结果突出表明,即使面对具有挑战性或对抗性的样本,人类也有能力判别出正确答案,但这种能力在语言模型中并不那么强大。...这种差异引发了人们对这些模型真正理解程度的疑问。 图 5 展示了一个值得注意的趋势:与人类生成的回复相比,评估员往往更青睐 GPT-4 的回复。 模型能理解自己生成的结果吗?
但是,果真如此吗?想一想,当我们被来自电脑、手机、手表等设备弹出的日程安排催促而疲于应付各项工作的时候,这与外卖小哥有多大的差别?...一位硅谷著名公司的首席数据科学家就曾说:“我们所做的一切,目标都是为了大规模改变人们的实际行为。人们在使用我们的app的时候,我们能获取其行为模式,区分其行为的好坏,并开发不同的方式来奖优罚劣。...因为它时不时地会穿上四件漂亮的外衣: 外衣一:免费的盛宴。 有的人认为,为了获取免费服务,让渡数据是应该的。这简直就是自欺欺人,难道你的数据一文不值吗?那么,为什么存在大数据交易行为?...外衣二:个性的追逐。 也有人认为,为了获取个性化服务,让渡数据是值得的。...而人们会在种种诉讼、争论中渐渐漠然、麻木、习惯化。久而久之,隐控式组织就可能成为不必讨论或不可讨论的“现实”,被视为理所当然。人们在科技的崇拜中,放弃主动选择,成就了“隐控式组织”。
时,每次增加 1/4,直到大于等于append 的元素数量 + 原数组长度 新容量计算出来后,还要考虑内存对齐 切片和数组的区别 切片是否并发安全 go 的切片的原理大概可以解释一下吗...一般是原数组扩大两倍,如果原切片长度大于等于 1024,就会每次扩大 1/4,直到能放下新增的元素。如果我们一次追加的元素过多,以至于使新长度比原容量的2倍还要大,那么新容量就会以新长度为基准。...一个空的切片跟空的这个map,你去对它去追加元素的时候,它的预期行为是什么? 切片的话 0 值是可用的,你可以直接append。...使用前需要在编译时禁用编译器优化、内联优化,这样看到的代码才和源代码一致。 Go 相关的这个 Web 这种框架用过吗? 协程跟线程还有进程它们之间有什么样的区别。...Mysql MySQL 里面的这个索引,它是一个什么样的一个结构? 那这个 b+树它的每一层里面是什么样的数据啊?然后那个包括它的这个查找的过程就是能再讲一下吗?
举个例子,如果我们对宽视野场景运用基础矩阵,如同 KITTI 基准 [9] 中提到的一样,会比运用单应性矩阵得到更好的结果吗?...我们暂时还没有理由相信结果将会是这种情况,因为通过比较,基于仿射模型的许多算法仍然能胜过那些基于拥有更大视野的单个 Hopkins 序列中基础矩阵的算法(尽管公认差不多)。...而且为什么单应性矩阵方法在处理广视角场景时能保持它自己的特点?什么时候它才会失去基础矩阵的几何精确性?...考虑到实际存在的一些有不可忽略透视效应的 Hopkins 序列,这个低误差的结果是值得关注的;同时,相比已经提出的一些原因,这种现象应该还有更好的解释。...这些场景的切片在多个真实平面的点之间建立了强大的关联,并得到了一个相对更少过度切割的亲和矩阵 KH。如果场景中只包含紧凑的物体或者分段光滑的结构,那么这种关联足以将一个刚性运动的各个表面绑定在一起。
第一,这种用户行为类的成功率不可能一直稳定在一个数值,例如97%,他肯定会随时间波动,这一分钟97%,下一分钟可能又回到99%,再下一分钟98%这样子。所以你只能按照参考97%的阈值去设置告警的策略。...但是问题是,96%,97%的告警麻木看多了,突然来个80%的告警,团队是否能警惕起来马上处理呢?这也是一个问号。...但是哪怕管理上下达了很多指示,真正要把告警治理好也是挺困难的,原因在于前面所说的挑战,群里充斥了的无效告警、重复告警,导致很多有效告警都麻木了,根本不会有人关注到,更别说落地处理了。...虽然很多最佳实践是说所有的异常都应该被处理,但是从来没见过这样的规范能落地的。因为这种规范反人性且收益甚微。...这样以后,告警群再也不会有人问:“这个问题谁在看吗”这样的问题了,是否有人看,处理结果是什么都一目了然。
HHF 注:相信大家对于 Go slice 的底层数组扩容的原理比较了解了,也比较敏感。但是下面这道题的原理你是否能想明白呢? 原文的评论区更加精彩,如果看完有不明白的,可以去原文的评论区查看。...是如下的答案: [] [10 20 30] [] [] 对吗? 看上去很有道理,但错了。...那为什么 sl 变量的长度是 0,甚至有人猜测是不是扩容了,这其实和上面的问题还是一样,因为是值传递,自然也就不会发生变化。...切片小优化 还剩下两个大问题,这似乎用上面的结论没法完整解释。虽说程序是诱因,但这块最直接的影响是和切片访问的小优化有关。...常用的访问切片我们会用: s[low : high] 注意这里是:low、high。可没有用 len、cap 这种定性的词语,也就代表着这里取的值是可变的。
当所有人以为5G战场只剩某大厂和爱立信对轰时,北欧雪原突然炸出一声惊雷——诺基亚带着芬兰国防军和Telia电信,直接把5G玩成了《007》电影里的军情黑科技!...军民融合: 诺基亚5G切片技术赋能芬军通信技术 01 2025年4月,芬兰的诺基亚、电信公司Telia,加上国防军,居然搞出了全球首个跨国5G军用切片漫游。...说实话,看到新闻我第一反应是:这不就是现代版的“兵马未动,5G先行”吗? 当年蒙古骑兵靠快马传令横扫欧亚,现在芬兰部队要用5G切片玩“数字指挥”了。...要知道三个月前某大厂刚秀完微波黑科技,所有人都以为国内厂家要赢者通吃,结果诺基亚反手就掏出了“跨国5G-SA切片无缝漫游”这种黑科技!...打脸美国"5G军用论"的神操作 还记得美国国防部去年嚷嚷“5G军用必须去东大化”吗?
有人说,当然是[3, 7](“横着加”[[1+2],[3+4]]),有人说 不应该是[4, 6](“竖着加”[[1+3],[2+4]]) 吗?还有人或说,不应该是10(全加在一起)吗? 谁是对的?...都是对的。 所以,对于多维数组元素的相加,如果不指定“如何加”,结果是未定义的,之所以有些时候没有指定也可以得到结果,是因为不同的软件或框架有默认的行为。...对于tensorflow,默认行为是最后一种,也就是全加在一起。 1. 什么是维度?什么是轴(axis)?如何索引轴(axis)? 注:对Axis比较熟悉的读者可跳过这部分解释,只看加粗字体。...这里需要注意的是,axis可以为负数,此时表示倒数第axis个维度,这和Python中列表切片的用法类似。 那么什么是reduce呢? 2....这种尤其适合reduce完了要和别的同维元素相加的情况。
关于这个对象的基础性质,下面给出了一张截图,你们应该能明白我的意思: ? “...“并不神秘,它只是一个可能不多见的符号型对象而已。...但是“...”这个常量似乎受到了特殊对待,我的 IDE 上没有作提示。 很多人已经习惯上把它当成 pass 那样的空操作来用了(在最早引入它的邮件组讨论中,就是举了这种用法的例子)。...所以有一种可能的解释:Ellipsis 和 NotImplemented 是 Python 2 时代的遗留产物,为了兼容性或者只是因为核心开发者遗漏了,所以它们在当前版本(3.8)中还可以被赋值修改。...这是个特殊的值,通常跟扩展的切片语法相结合,用在自定义的数据类型容器上。...有人觉得这样很 cute,这种想法获得了 Python 之父 Guido 的支持 : ?
但是随着代码库的增长,那些自制的列表本身就变成了一个个怪物。因为我可以很容易地修改代码,所以我会经常介入并改变一个方法的行为以适应我的需求,这又导致了后来的诸多混乱和错误。...4太多的文档 代码文档是很好的东西,因为它用简单的人类语言解释了你的代码具体在做什么事情,对吧? 这个观点是错误的。 文档往往是陈旧、过时或完全错误的东西。...我曾花了很多时间来给我的代码编写文档(还是 XML 文档,还记得吗?),结果只是发现每当我更改代码时都需要更新文档才行。...5没有自动构建 应用程序部署和打包工作相对来说比编写代码更容易一些,所以我把这两件事情放在了很低的优先级上。很快,我就收到了所有人的抱怨,他们都说构建无法正常工作。“缺少先决条件,如何解决这个问题?”...这不是因为编程太累人,而是因为那些令人麻木的重新部署和重新打包的过程。我本可以通过编写自动化脚本来真正“节约”一些时间,但是我浪费在修复每个错误和支持其他人上的时间比我可以“节约”的时间要多很多倍。
领取专属 10元无门槛券
手把手带您无忧上云