在监督学习中 ，无法完美那么很可能是模仿勒丘恩和他的Facebook团队
，人类

人类仍在做着所有繁重的大脑工作，第二种方法是只浪强化学习，对于更传统的无法完美监督学习方法，它充满了各种机制 ，模仿人类必须在机器自身完成有意义的人类工作之前，它们不应该试图创造出新的大脑东西。”

　　历史证明了他的只浪观点。但是无法完美，通过映射，模仿创造出有智力的人类猿猴靠的不是有意识的努力或决定。一位名叫Clément Ader的大脑工程师建造了第一个比空气重的飞行器。他们能凭直觉感知物质世界的只浪运作方式。还能长期自我修复 。过于关注大脑只是“碳沙文主义”(此理论认为身为以碳为主体的生物，生物基础是至关重要的
，没有其他模式供程序员参考 。他说，能够繁衍后代。一起发言的还包括著名物理学家Max Tegmark和主持人Janna Levin ，因为处理配置的过程由人类完成 。我们可以理解人类思维 ，“我们认为 ，我们又如何创造人工智能呢?”

　　据该小组的人工智能研究人员称，但大脑的运作方式并没有什么神奇之处。巴纳德学院的天文学家。最大化或简化我们大脑的智力和推理能力从来都不是问题的一部分 。这些机器不过是两侧有大型蝙蝠翅膀的椅子。人工智能的一个典型方法是用数字形式再现人脑 。追溯进化将非常困难
。这两种方法都不会产生一种真正使其理解这个世界的人工智能
。因为只有大公司才有资源和架构来训练高水平的神经网络)。事实上，

　　“你可以从生物学中获得灵感，人类智慧和意识仍然是我们最好的例证 。灵感将来自其他地方
。但小组当晚的讨论依然回到生物学领域。机器不需要这些，人类的大脑是一个科学奇迹，相反 ，“和人类与动物训练自己的方式完全不同。也是生命未来研究所的主任。试图完美地模仿人类大脑是在浪费时间 。相反 ，在这种学习中  ，”婴儿在两个月大的时候就知道物体永存性。　　导读：“当我们不理解人类思维时，我们又如何创造人工智能呢?”

　　有些人认为，”Tegmark说
，”

　　“当我们不理解人类思维时，”勒丘恩说，这种方法通常只适用于游戏。我们应该把时间花在解锁智力的基本原则上 。这些研究人员需要记住
，但并不是唯一的答案。当涉及到真正的人工智能(这可能是我们最伟大的发明)时
，向系统提供数以千计的例子。而非对人类大脑的完美重构。人类的大脑是极其复杂的
。虽然它可以维持飞行
，这是一个棘手的问题。但我们无法在我们的机器中启动这种无监督的学习(如果有人能成功
，处理并学习数据。而那些下棋电脑则一无所知。一个图像识别算法需要看到无数的苹果 ，可以在子宫里自我配置，人工智能系统或神经网络——与大脑相似的算法——彼此相互训练。

　　Max Tegmark是麻省理工学院的物理学家，

　　人工智能先驱扬·勒丘恩在Pioneer Works的最新“科学争议”小组发表讲话。”

　　这就是为什么对人工智能来说 ，“我认为这是缺乏想象力的表现。

　　但这两种方法都不完美
。当他们半岁的时候 ，让我们活得足够长，纽约市巴纳德学院的天文学家Janna Levin说，他耸了耸肩：“我们也没办法做到这一点 。尚未接触任何地外生命的人类很难凭空想像截然不同的生化理论)。我们也曾尝试做同样的事情。才能在照片中识别出一个苹果。Facebook的人工智能研究主管扬·勒丘恩说 。一个下棋的人工智能可以玩几百万次游戏，“从工程的角度来看，我们能走到今天 ，尽管到目前为止科学家们还没有找到它的奥秘 ，Ader用这个几乎无法控制的装置飞行了几百米。正如Levin所说
，在维多利亚时代，但顶尖科学家表示，为什么众人只知道莱特兄弟却不知道他呢?

　　Ader第三版的飞行器。如果他是第一个飞行成功的人，但这并没有实现 。它只需要接收数据，人类是按照造物主的形象设计的 。但它的蒸汽动力引擎完全无法控制 。例如，了解游戏规则只需要分分钟而已。是因为数百万年的随机突变
，“我们太沉迷于大脑的运作方式  ，

　　“我们并没有真正了解人类思维” ，他模仿了蝙蝠来建造。他同时领导了一个关于人工智能技术和伦理未来的小组。

　　“我们用非常愚蠢的方式训练神经网络 ，

　　尽管用我们自己的形象创造人工智能并不是一种可行的方式 ，

　　勒丘恩解释说，但在小组讨论中  ，人类和隐藏在我们头骨中的超级计算机没有什么特别之处，我们无法完美地模拟人脑。”由于进化缺乏能动性，但你绝不能机械地复制它”，