辛顿老爷子段子集：他远离江湖 江湖却充满他的传说

本篇文章779字，读完约2分钟

昨天，雷锋。com介绍了人工智能领域深度学习的创始人杰夫·辛顿(Jeff Hindon):“当人类群星闪耀时|杰夫·辛顿，深度学习的创始人:没有他，就不会有今天的人工智能。”毫无疑问，他在学术界被公认为是一头牛，因为江湖上充满了他的传奇。例如，韩丁的好朋友、卷积神经网络之父严乐存收集了一篮子关于韩丁的段落...

2012年1月，乐言保存了一个谷歌+(谷歌的社交网络应用程序)，它复制了韩丁和机器学习巨牛雷德福尼尔之间的对话。当时，雷德福正在2004年的国际林业研究中心发表演讲:

拉德福德·尼尔:我不认为贝叶斯统计是所有情况下的最佳方法…

杰夫·辛顿:对不起，雷德福，但是我对你说的话的先验概率是零，所以我听不见你说的话。

(看不懂吗？你可以先了解贝叶斯统计中的先验概率理论)

然而，这样一个个性化的回答只是韩丁生活的冰山一角:

杰夫·辛顿不需要构建隐藏的细胞。当他开始处理这件事时，他们会藏起来...

杰夫·辛顿不会不同意你的观点。他将通过对比来表达他的不同之处。

深度信任网络实际上非常信任杰夫·辛顿。

杰夫·辛顿发现了大脑是如何工作的。是的，在过去的25年里，他每年都会发现一次。

马尔可夫随机场(无向图模型)学派认为杰夫·辛顿是个不守规矩的父亲。

如果你想对抗杰夫·辛顿，他会立即最大化你的信息熵(热力学函数)，而你的自由能(在一定的热力学过程中，系统减少的内部能量可以转化为外部功)会在能量达到平衡之前消失。

杰夫·辛顿会让你后悔没有界限。

Jeff Hinton不需要支持向量(机器学习训练样本点在区间的边缘)，并且他的小指可以支持高维空超平面(支持向量机制创建超平面)。

杰夫。辛顿是一个鲜为人知的事实:他经常使用贝叶斯先验概念。

在遇到杰夫·辛顿之后，支持向量变得逻辑混乱。

杰夫。韩丁的概括是无止境的。

有笑话的生活是一种伟大的生活。