本质上跟几十年前没有大差别，根源是算力。动不动搞billion参数，还是算法不聪明。解偏微分方程的数值解和解析解快无数倍

当然AI在某些领域的确有优势，但是在空气动力学流体力学宇宙探索等就挂了。

所以真正赚钱的就是nvda，其它的暂时还在泡泡阶段lol

 

所有跟帖： 

• 你这是拍脑袋的出来的结论还是通过研究学习得来的？ -长发依旧- ♀ (162 bytes) () 02/24/2024 postreply 14:26:14

• 我是做这个的，本科的毕业论文就是用神经网络预测XX -newbiestock- ♂ (0 bytes) () 02/24/2024 postreply 14:30:39

• 你还在这个领域工作吗？有人说AI是郁金香，有人说AI是新的工业革命 -长发依旧- ♀ (24 bytes) () 02/24/2024 postreply 14:34:13

• 我懂得也不多，要不也不会错过nvda。个人觉得ai在重复性好的领域非常有前途，比如人脸识别/llm等。但是在数据稀缺 -newbiestock- ♂ (144 bytes) () 02/24/2024 postreply 14:47:52

• Supervised learning with huge labeled training dataset -longshort2- ♂ (0 bytes) () 02/24/2024 postreply 16:43:33

• overfitting也是个问题，还是个黑盒子，没法理解里边的物理机制，需要海量数据去训练。没有物理基础，将来的事件根本 -newbiestock- ♂ (69 bytes) () 02/24/2024 postreply 14:29:15

• 我更关心的是AI的科学研究会不会给人类带来巨大的变革 -长发依旧- ♀ (30 bytes) () 02/24/2024 postreply 14:35:47

• 你去看看openai 的首席科学家的访谈，就会发现ai没有科学 -基因编辑师- ♂ (213 bytes) () 02/24/2024 postreply 18:57:31

• 基于统计大模型的AI 软件技术门槛不高，这正是它可怕之处 -水云闲一- ♂ (256 bytes) () 02/24/2024 postreply 19:58:41

• 有link吗？ -长发依旧- ♀ (0 bytes) () 02/25/2024 postreply 04:32:05

• 不需要懂物理 -水云闲一- ♂ (48 bytes) () 02/24/2024 postreply 20:04:01

• 过去几年AI在微分方程的数值解，空气动力学，流体力学，宇宙探索等领域走错了方向，不但没有效率提升， -ezf- ♂ (558 bytes) () 02/24/2024 postreply 14:45:08

• 不知道你在说什么方向。如果没有数据或数据稀缺肿么办？如果在一个分辨率上驯练，换个分辨率绝大部分训练模型就歇菜了 -newbiestock- ♂ (0 bytes) () 02/24/2024 postreply 14:51:17

• 这些领域的数据基本上都是细网格算出来的，很昂贵。基于全局数据训练或基于最小化方程残留值的神经网络效率太差。 -ezf- ♂ (0 bytes) () 02/24/2024 postreply 14:59:23