David 9的博客 — 不怕"过拟合"

大家可能读过iamtrask超棒的文章(A Neural Network in 11 lines of Python)：

11行python写一个神经网络：

X = np.array([ [0,0,1],[0,1,1],[1,0,1],[1,1,1] ])
y = np.array([[0,1,1,0]]).T
syn0 = 2*np.random.random((3,4)) - 1
syn1 = 2*np.random.random((4,1)) - 1
for j in xrange(60000):
    l1 = 1/(1+np.exp(-(np.dot(X,syn0))))
    l2 = 1/(1+np.exp(-(np.dot(l1,syn1))))
    l2_delta = (y - l2)*(l2*(1-l2))
    l1_delta = l2_delta.dot(syn1.T) * (l1 * (1-l1))
    syn1 += l1.T.dot(l2_delta)
    syn0 += X.T.dot(l1_delta)

参考文献：

https://iamtrask.github.io/2015/07/12/basic-python-network/

宇宙没有义务让人理解，但AI有义务被人，并帮助人理解！  ——  David 9

一个AI模型，无论被工程师如何设计，它最终还是要和使用者交互，哪怕只是一个小小简单的判断分类问题。一旦它把判断结果信息传递给人类，人与机器之间的边界就变的难以划分。AI判断结果一定有错误信息（或AI够不着的问题），人类应该怎么处置？

是指出错误，留给AI去处理？还是人类自己搞一套应对机制？

当然，后一种更容易操作，把AI够不着的问题都留给人类解决，如医疗领域的SPIRIT-AI和CONSORT-AI协议，就旨在提供一套完善的医疗实验交互方针：

因为医疗临床实验需要更高规范和更低出错率。不仅仅是医疗，事实上，目前的多数领域的AI落地，交互，都需要大量的 继续阅读可解释，自解释，以及交互式AI的未来