智商排名45的哈士奇 哈士奇到底是狗还是狼

智商排名45的哈士奇

哈士奇明明只是排名45名的狗狗，按狗狗智商排行榜来说，它们怎么都是中等生，不至于到差生的地步。但为什么很多主人表示，这货一点都不听话，怎么教都不听！

为什么能帮被困雪地主人出谋划策的哈士奇，到了一些主人手里，就会变成一无是处的拆迁队长呢？

哈士奇智商排第45名，来看看狗狗智商排行榜的描述：排行40-54的狗狗，是智商与服从中等程度的狗，在学习过程中，会在练习15-20次之后才对任务基本了解。若想得到令人满意的表现，可能需要25-40次的练习，如果没有练习，可能会忘记曾经学过的动作……较高明的训练人员可以把这些狗调教得和聪明狗一样好，但经验不足的人，或缺乏耐心者，可能拿这些狗没办法。

哈士奇的智商绝对不低，看它拆家捣蛋就知道。以前它还在干老本行拉雪橇时，如果遇到主人完全看不见路的暴风雪，就靠它们带着主人绝地逃生了。说白了，就是这种狗狗的服从性较差，没有耐心的主人教不好。哈士奇不听话原因找到了，它根本没把主人放在眼里，你说什么它爱听不听的。

这就跟小孩子上课一样，如果小孩子的注意力根本没有在课堂上，根本就不知道老师在讲什么。哈士奇就是小孩子，主人就是老师。所以训练哈士奇，很重要的一个部分，是让它把注意力放在主人的身上。

训练哈士奇把注意力放在主人身上

主人要选择一个比较安静的环境，比如在房间里。哈士奇本来就容易精神涣散，不听主人的话，所以我们一开始训练不能有太多的干扰，不然接下来没办法进行。接着还要准备好奖励（玩具、零食），想让哈士奇注意力放在主人身上，就要让它知道，主人身上有好东西，一直看着主人就会有好事发生。建议训练之前，先带哈士奇出门散步，不要让它太兴奋。

1、在房间里，主人坐着或者站着，但记住先不要动。等狗狗看向你之后，就立刻给它奖励。然后逐渐增加狗狗看着主人的时间，比如第一次哈士奇看了你3秒，第二次等它看了你5秒后再给奖励。

2、让狗狗把注意力一直放在主人身上。还是在安静的房间里，主人开始随意走动，别看狗狗，也不许叫它的名字，当它过来看着你的时候，立刻奖励它。让狗狗知道，关注主人是一件有好处的事情。接着也要逐渐增加哈士奇看主人的时间，再进行奖励。

当你对狗狗有信心后，可以换到客厅训练，接着可以出门训练，一步步加强。等到哈士奇一直关注主人时，就像一个上课认真听讲的孩子，主人说什么它也能听见并反应。

没有绝对愚蠢的狗狗，只有主人是否耐心，能不能沉住气好好教导。对待哈士奇，主人最好别一蹴而就，不然二哈肯定会用实际行动好好教训你一下。

“想知道更多关于哈士奇训练的方法，可以点击文章右上角的搜索图标，搜哈士奇训练，查看其他训练哈士奇的内容。”

哈士奇到底是狗还是狼

27日，世界5g大会举行未来信息通信技术及国际战略研讨会，是一场大牛们的“华山论剑”。因为都是业界泰斗，嘉宾们难得共聚，台下频频交流，“咬耳朵”，话题专业之余不乏轻松。

而在这个重量级论坛上，能让所有嘉宾竞相拿出手机拍照的人，沈向洋是为数不多的一个。

他是硅谷科技圈最有分量、美国科技公司职位最高的国内人。今年新冠肺炎疫情期间效力回国，消息轰动中美科技界。

作为领军全球人工智能的专家，沈向洋提出，人工智能虽然已经获得了巨大的发展，但仍需要从深度学习过渡到深度理解，他为大家公布了最新研究进展，勾画了一个能够达到深度理解的人工智能框架系统。

他举例说明，哈士奇，是狗还是狼？这个对人脑不算事的判断，却可以困惑人工智能很久！

据悉，目前人工智能的发展，深度神经网起到非常重要的作用。这是美国十年前的研究成果，由沈向洋和同事在微软研究院做出。

他指出，十年以来，人工智能在大数据，运算，和延时处理三方面取得了重大的进展。但是对于真正的理解，人工智能实际上十年来没有特别重大的突破。

在算力方面，英伟达过去超过英特尔引领潮流，相信未来会继续奋勇向前。包括亚马逊、谷歌等企业的自主研发，已经把云端算力做得非常强大，这方面，来自深圳鹏城实验室的鹏城云脑，同样是非常典型的成功案例。

他话锋一转，开始“泼冷水”，指出即使是这样了不起的算力，真正应对智能时，得到的结果让人啼笑皆非。哪怕是全球最大的图像识别数据库ImageNet，仍然还差10的五次方的量级才能真正达到人的理解能力。所以就不难理解，整个领域还在拼命增加算力，这方面还远没有到天花板。这是科研的一条道路。

他提出，或许还存在另一条，更加巧妙的前进路线。

他给大家用计算机视觉和自然语言处理方面讲了两个例子，来解释为什么今天有这么强大的算力，有这么多大数据以后，智能还不尽如人意。

他在微软的朋友在华盛顿大学用深度神经网训练了一个模型，让人工智能分辨哈士奇是狼还是狗。这对于人脑来分辨，再简单不过。但人工智能的判断，6个结果里最多只有5个正确。用模型寻找错误的原因显得非常艰难。最后研究发现，神经网络对于哈士奇是狗还是狼，判断竟来自于旁边的背景。背景是雪地，它判断为狼，背景为草地，它判断为狗。跟狗和狼面部等大量的数据特征分析一点关系都没有。这让人工智能显得非常有趣，也非常危险。

运用大数据，大训练模型出来的人工智能结果，在按照设定程序来运行，表现非常了不起，而如果遭受攻击，得出的结果可能大相径庭。

沈向洋指出，以上都值得反思，深度学习做到现在是不是离智能更近了？

为此他曾经和比尔盖茨以及纽约大学教授GaryMarcus讨论，得出的结论是，预训练的模型、深度学习的东西，到现在为止只是获取知识，而不是理解知识。所以必须要清醒的知道，正在做非常了不起事情的人工智能，并不是最棒的模型。

他认为，很有必要回归初心，回过头去认真思考机器学习的目的到底是什么。

人工智能今天惊人的成就，做仿真器是最大的代表作。接下来最激动人心的事情，可能应该是写更大的仿真器，去仿真真正的物理世界。

接下来最重要的事情，是让人工智能从深度学习过渡到深度理解。他正在尝试的解决之道，是建立一个开放域的对话模型，建立神经会话模型，能够做到深度理解的框架。