文章探讨了神经网络和遗传算法，指出人们只需告诉计算机目标，而无需指定解决问题的方式。作者认为当前人工智能研究方法有误，以在微软工作时比尔·盖茨对神经网络的看法为例，强调若程序员理解算法，算法会受其限制。作者认为神经网络和遗传算法是未被充分利用的解决问题的方法，特别是遗传算法无需训练。

🎯神经网络和遗传算法的独特之处在于只需告知计算机目标（用不同方式），无需告知如何解决问题。作者认为当前人工智能研究方法错误，因指定解决问题方式会使程序受限，不想以此限制程序。

💻作者在微软工作时，比尔·盖茨认为神经网络不是做事情的正确方法，因程序员不理解其中算法。作者认为若程序员理解算法，算法会受程序员限制，当时未向比尔·盖茨表达此观点。

🌟作者认为神经网络和遗传算法是远未被充分利用的解决问题的方法，特别是遗传算法，因其不需要训练。

原创 范阳 2024-07-12 20:49 上海

“ 神经网络不是做事情的正确方法，因为程序员不理解其中的算法。” 比尔·盖茨说

分享一篇非常短的博客文章，写于 1994 年，信息高速公路时代才刚刚开始，世界上绝大多数人从来没有听过神经网络这个词。而这篇文章的作者 Lawrence Kesteloot 却洞察了这个新事物真正与众不同的地方，甚至当时的比尔·盖茨也并不理解。这篇短文就像一个科技卷轴一样缓缓打开。

Lawrence Kesteloot 的博客文章写的也非常棒，他在 PDI/DreamWorks 工作期间获得过奥斯卡最佳特效奖，是一位出色的软件架构师和开发者。之后我再在我的文章里分享。

周末愉快！ 

神经网络

Neural Nets

作者：Lawrence Kesteloot

编辑：范阳

写作日期：1994年2月9日

我喜欢神经网络和遗传算法的地方在于，你无需告诉计算机如何解决问题，只需告诉它你的目标是什么（ 用不同的方式 ）。我一直觉得当前的人工智能研究方法是错误的，因为我们在指定如何解决问题，所以程序永远不会做得更多（ we’re specifying how to solve the problem, and therefore the program will never do any more ）。程序受限于我们告诉它的东西；我不想以这种方式限制程序。

去年夏天我在微软工作，我记得在比尔·盖茨的聚会上，他大谈神经网络不是做事情的正确方法（ 可能是指人工智能 ），因为程序员不理解其中的算法。在我看来，如果程序员理解算法，那么算法就受程序员的限制（ It seems to me that if the programmer understands the algorithm, then the algorithm is limited by the programmer ）！当时我可能没有告诉他这个观点，可能是因为他周围有 15 名实习生，他们会立刻同意他说的任何话。但我仍然认为神经网络和遗传算法是解决问题远未被充分利用的方法（ I still feel that neural networks and genetic algorithms are far underused methods of solving problems ）。特别是后者，因为不需要训练。

原文链接：

https://www.teamten.com/lawrence/writings/plan02.html

前文阅读：

《AI 在把传统软件当早餐吃掉》

《与 Nat Friedman 和 Daniel Gross 推演人工智能的发展 | 3万字采访, Stratechery 3月》

跳转微信打开