我觉得是普适性问题，传统方法在不同场景要有不同选择，这就导致只能变成一种trick，不能集成

我觉得穷举有穷尽的好处，舍恩博格在《大数据时代》里不是说人类的目标是“全数据”吗，算力多，穷举就是厉害，任性，哈哈哈

就跟一个老生常谈一样了，是要把蛋糕做大，还是要想办法多分？不同时候选择不一样，比如技术革新的时代就是要蛋糕做大，但是进入停滞期了，得琢磨怎么多分

量子计算这个前景就是，出来算力暴涨，蛋糕瞬间就变大了……穷举当然厉害了

我靠我靠，这样看来，以前的np难问题都是渣渣了，不知不觉不存在了。。。。。。

新发现啊~~~关注一下

全世界的密码顷刻间被破解，哈哈哈

而且慢慢的被通用技巧取代了。毕竟只要有了算力，算法开发效率提升还是划算的

嗯。。。有道理。大数据、全数据可能让算法自己发现超越人类直觉的检测特征，这也是应用深度学习的一个初衷吧

现在的确是两条腿走路，一方面机器提取的特征已经超越人类的设计，另一方面也在努力解释机器学习，让机器学习策略更符合人类的直觉。

google最近发篇文章，没有公式，就是一堆试验结果。介绍的就是怎么用“复制、粘贴”进行数据增广，然后涨点～～

还有那个gfnet，聚焦提取前景特征，有意忽略背景的影响。确实也能涨点。分类、分割、检测都能用。

dl本身分类图片时也是能自己越过背景的干扰的。那些用梯度做可视化的工作就发现，激活的神经元大部分都是聚焦在前景物体上的。手工聚焦能提升效率吧

这个得服～～

全数据加量子计算会不会改变很多概率问题的计算方法？毕竟，有些概率问题本来就是来源于有限观察的。保险公司和赌场的饭碗会不会给大数据科技公司捧走了。。。

以前那种“宇宙算力都不够用”的问题，好多不是问题了。我上学时还写过排课程序呢～～

量子灭霸～～

量桨项目介绍都出现啦

对对对，这篇文章我也看见了

基本了解下怎么回事儿～～

量子计算针对的领域比较特殊，