如果发明一种机器学习难以战胜人类的棋类规则，这种规则应该具备什么样的特点？
这个问题乍一看是一个很荒唐的问题，但仔细咂摸有很多值得玩味的东西。 首先需要在问题定义里明晰这样一件事：机器学习战胜人类很困难，这里的困难到底包不包含实现（Implementation）层面的的难度？ 很多高赞回答的本质其实都是在这个维度里设置“恶心”，比如让状态的记录变得棘手、棋盘的形状变得不规则、提高维度、增加环境的不确定性等等，其实充其量只是说“恶心恶心程序员”而已。这样设置规则本质上提升的是“代码复杂性”而不是问题本身的“计算复杂性”。代码复杂性诚然是 AI 进军一个具体问题的重要阻碍，但算不上是本质的阻碍。AlphaZero 乃至 MuZero 之类的工作已经表明，只要可以用 tensor 表征整个游戏，终究可以自己学着怎么理解这个游戏并优化策略的，都不是个事儿。 所以，我认为这个问题更重要、更本质的方面应当是：假设我们有一个理想中的 Oracle，可以自动完成所有现实中代码层面的复杂难题，从机器学习（强化学习、深度学习等等）这个方法本质性的能力边界出发，是否可以找到一个简单的实例，使得解决这个问题（或者说达到与人类媲美的程度）是一个从计算本质上来讲困难的事情？ “从计...
如果发明一种机器学习难以战胜人类的棋类规则，这种规则应该具备什么样的特点？
这个问题乍一看是一个很荒唐的问题，但仔细咂摸有很多值得玩味的东西。 首先需要在问题定义里明晰这样一件事：机器学习战胜人类很困难，这里的困难到底包不包含实现（Implementation）层面的的难度？ 很多高赞回答的本质其实都是在这个维度里设置“恶心”，比如让状态的记录变得棘手、棋盘的形状变得不规则、提高维度、增加环境的不确定性等等，其实充其量只是说“恶心恶心程序员”而已。这样设置规则本质上提升的是“代码复杂性”而不是问题本身的“计算复杂性”。代码复杂性诚然是 AI 进军一个具体问题的重要阻碍，但算不上是本质的阻碍。AlphaZero 乃至 MuZero 之类的工作已经表明，只要可以用 tensor 表征整个游戏，终究可以自己学着怎么理解这个游戏并优化策略的，都不是个事儿。 所以，我认为这个问题更重要、更本质的方面应当是：假设我们有一个理想中的 Oracle，可以自动完成所有现实中代码层面的复杂难题，从机器学习（强化学习、深度学习等等）这个方法本质性的能力边界出发，是否可以找到一个简单的实例，使得解决这个问题（或者说达到与人类媲美的程度）是一个从计算本质上来讲困难的事情？ “从计...
iOS 7 都「借鉴」了谁的设计？
既然是这个问题，那就吐槽来玩下。 注：问题说 iOS 7 「借鉴」了谁的设计，这个我不知道。我只是列一些看上去性比较类似的应用，娱乐调侃一下，你大可以当成找你妹。至于抄没抄，只有苹果自己知道了。要是用户觉得爽、喜欢就好，其他都是浮云。 整个 iOS 7 演示的很多应用页面我都会想起这个应用： 还有天气的这个： 注：@Wang Eeamon 提醒说，iOS 7 的天气应用看上去这次雅虎是深度参与了，图标都一样。 然后是思路比较类似，通过地点日期整理相册的： 感觉神似的： 青出于蓝胜于蓝的： 最后，应该是影响比较深远的，导航栏开始附加更多动作了： 当然，还有 Web OS 的卡片多任务，Android 的通知中心，解锁等等等等。
iOS 7 都「借鉴」了谁的设计？
既然是这个问题，那就吐槽来玩下。 注：问题说 iOS 7 「借鉴」了谁的设计，这个我不知道。我只是列一些看上去性比较类似的应用，娱乐调侃一下，你大可以当成找你妹。至于抄没抄，只有苹果自己知道了。要是用户觉得爽、喜欢就好，其他都是浮云。 整个 iOS 7 演示的很多应用页面我都会想起这个应用： 还有天气的这个： 注：@Wang Eeamon 提醒说，iOS 7 的天气应用看上去这次雅虎是深度参与了，图标都一样。 然后是思路比较类似，通过地点日期整理相册的： 感觉神似的： 青出于蓝胜于蓝的： 最后，应该是影响比较深远的，导航栏开始附加更多动作了： 当然，还有 Web OS 的卡片多任务，Android 的通知中心，解锁等等等等。
