A New Kind of Science

《一种新科学》15周年回顾

评论 (3)
  1. Jerry Ho说道:

    「从某种意义上说,“发现有趣”的速度不会受到人类进入计算型宇宙和发现事物能力的限制。相反,它将被人类为发现的新事物建构概念框架的能力所制约。」

    我想要修正一下翻譯,因為原文其實還滿簡單的。
    全文只有這一段非常的拗口,不該translate by its literal meaning。

    In a sense, then, the rate of “interesting discovery” isn’t going to be limited by our ability to go out into the computational universe and find things. Instead, it’s going to be limited by our ability as humans to build a conceptual framework for what we’re finding.

    或許可以這樣說,我們找出「有趣發現」的速率,並不會被人類探索可計算宇宙的能力所侷限。實際上的侷限,來自於人類能不能給我們找出的新發現套上(有意義的)概念框架。

    感謝貴網站與編輯、譯者們的翻譯!Wolfram的思想令人感到振聾發聵。

    1. 神经现实说道:

      感谢你的建议!谢谢支持!

  2. Riccati说道:

    【近期,有个关于建模的趣事。随着神经网络越来越成功,人们开始疑惑:当我们可以为神经网络的结果构建一个黑盒模型时,为什么还要费心模拟系统内部运转过程?如果我们设法让机器学习深入计算型宇宙中,我们就不必再费劲权衡了,它们已经能够学习其模型机制和结果。

    我敢肯定,将完整的计算型宇宙引入机器学习范畴,将会带来惊人的后果。值得一提的是,计算普遍性和计算等价性原则会弱化它的原理性。因为这两个特性表明,即使目前通用型的神经网络也能模仿任何其他系统的功能。(事实上,1943年诞生的现代神经网络思想带来了这种普适性。)】

    这翻译看得我好累,原文意思清晰很多。下面是按照原文意思修改的一段:

    【近期,有个关于建模的趣事。随着神经网络越来越成功,人们开始疑惑:当我们可以把一个系统看作黑盒模型,并用神经网络模拟出这个系统的输出时,为什么还要费心去搞清楚系统内部发生了什么呢?如果我们设法让机器学习和计算型宇宙的思想相融合,就可以摆脱上文所述的权衡难题,因为我们能够像神经网络学习一个模型的输出一样,学习得到一个模型内部的运行机制。

    我敢肯定,将完整的计算型宇宙引入机器学习范畴,将会带来惊人的成果。值得一提的是,计算普遍性和计算等价性原则会弱化这一创新的原理性。因为这两个特性表明,即使目前通用型的神经网络也能模仿任何其他系统的功能。(事实上,1943年诞生的现代神经网络思想带来了这种普适性。)】

    感谢翻译,但请拒绝机翻,至少机翻完后手动改得通顺一点。

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *