李德毅

本PPT包含四章内容：人类认知的可计算性、大数据时代的自然语言处理技术、智能驾驶中的视听觉认知、云模型和数据场等物理学方法在不确定性认知中的应用。大数据时代的认知计算是否会促进认知科学的发展，值得思考。

飙车机器人的畅跑场景，李德毅院士用这个画面打开了“大数据认知计算”的脑洞。嗯，说实话，看完还挺震撼的。认知能不能被计算？他不是讲哲学，是拿出了实际方案，讲得通俗、接地气。文章还搭配了一些资源链接，讲了认知 CPU、机器人运动算法啥的，细节还蛮全。 北京城区的飙车机器人不只是想象，背后是大数据和认知模型的结合。李德毅院士在讲“智能”的时候，真的挺有一套的。他讲的认知计算，就是让机器自己“想明白”事情，不只是执行命令，像是给它装了个会判断的大脑。 有几个文章推荐还不错，比如这个《认知计算的 CPU 大数据认知_李德毅院士》，讲得比较深入但还算好懂。还有轮式机器人那篇，也挺适合搞嵌入式和路径规划的兄

自然大数据、社交大数据、生命大数据这些词你是不是也听腻了？嗯，但在李德毅院士的这篇《大数据来源-大数据认知》里，还真有点意思。他从认知科学的角度聊大数据，PB 级别的数据怎么挑战的大脑、影响的判断，讲得挺透的。 李德毅院士的视角比较独特，不像普通讲大数据就说 Hadoop、Spark。他从认知层切进去，讲自然大数据怎么被感知、社交数据怎么扰动的决策，读完之后你会对“大数据不是技术问题”这话，有更深理解。 如果你做前端经常跟数据交互，尤其是做可视化的，了解这些挺有用。比如你在用户行为数据时，会更注意哪些数据是真实行为，哪些是情绪驱动的“噪声”。 文章里还推荐了不少延伸阅读，像是《探索大数据》、《

以人为核心的认知物联网构想，李德毅院士讲得挺透。里面提到的几个服务中心，比如文本语言理解、图像理解、语音这些，思路清晰，细节也不空。尤其是结合穿戴设备和专业场景认知的部分，挺有现实落地感。你要是做物联网前端，对认知这块有兴趣，这资源可以先过一遍，帮你理清大局观。 穿戴设备的服务中心讲得比较细，像和语音服务结合的场景，挺像智能手表那套逻辑。还有专业认知服务中心那块，和工业设备、能耗管理的系统也能搭上。你要是之前做过设备监控或数据可视化的界面，这些内容看起来就熟，思路能接得上。 想深入研究的话，推荐你顺便看看相关平台文档。比如物联网大数据系统中的认知计算这篇，讲了框架和工具，蛮全的；还有能源管理平

概念处理单元是认知计算的核心，是大数据认知领域的重要组成部分。

认知科学的大数据方向，李德毅院士讲得还挺有意思的，尤其是那种从神经元、离子层面去拆解思维和意识的方式，脑洞开得大但也挺有料。你要是对认知计算和人工智能背后的原理感兴趣，可以看看他的这场报告《认知科学的困境-大数据认知》。里面多内容和前端搞算法交互建模思路也能对上，启发不少。 比如他提到一个挺让人纠结的问题：“人是不自己把自己搞清楚的？”这其实跟做人机交互时的“可解释性”问题有点像。你可以对一堆数据建模、训练、优化，但到底“理解”了没有，谁知道呢？ 推荐你从这篇《大数据认知计算——李德毅院士》开始看，算是入门不错的文章，讲得还蛮清楚。 顺便再贴几个相关的，你要是时间多可以一口气撸完： 认知

一、人类的认知是否可以通过计算方式来解释？随着大数据技术的迅速发展，这一问题变得更加引人深思。

嘿，好，今天给推荐一个挺有意思的资源，讲的是大数据认知计算。李德毅院士在这个领域的研究挺有深度的，他讲的内容不仅涉及大数据，还深入探讨了认知计算的理论和实践应用。比如，他提到的语言和文字在大数据中的重要作用，真的是有启发性。嗯，如果你是做数据或者认知计算相关工作的朋友，这些内容绝对会对你有。 另外，这里还包括了一些相关领域的资源链接，像是大数据认知计算、认知科学等，都是院士们的研究成果，你可以根据自己的兴趣去进一步了解。链接方便，都是直接可以下载的内容。，如果你在大数据认知领域有所涉猎，或者想要深入了解这些前沿的研究，这个资源包还是蛮值得一看的。 如果你对大数据、认知计算有兴趣，可以点开这些链

在大数据认知与模糊集合研究领域中，有几位杰出的科学家做出了开创性的贡献。首先，美国工程院院士Lotfi Zadeh（1921年2月生），是模糊集合理论的创始人。其次，波兰科学院院士Zdzislaw Pawlak（1926年11月10日 - 2006年4月7日），则提出了粗糙集理论，进一步推动了不确定性研究的进展。此外，美国南加州大学教授Jerry M. Mendel（1938年5月生），专注于二型模糊集合的研究，为模糊逻辑在大数据分析中的应用开辟了新的方向。这些科学家为模糊逻辑、粗糙集等技术奠定了基础，使大数据认知技术在复杂数据处理中取得了重大突破。

深度学习的入门资料挺全的，尤其是李宏毅老师的教程，适合刚接触深度学习的小伙伴。这份资源包含了从基础到进阶的知识，涵盖了各种常用的深度学习算法、框架及其实现。得清晰易懂，边学边做也有成就感。讲到卷积神经网络（CNN）的部分，配合了不少实践案例，真的是理论与实战结合。PDF文件内容详细，还有不少相关学习资源链接，可以你拓展视野。如果你刚开始学习深度学习，试试看这份资源，绝对是个不错的选择。毕竟学习深度学习，理论与实践结合才是王道，试试里面的代码实现，效果不错哦。