Queue is empty
-- / --
xmlns="http://www.w3.org/2000/svg" xmlns:svg="http://www.w3.org/2000/svg">
  • 084 - A tíz legnagyobb data science bullshit
  • 083 - Nicolas Cage és Kína nagy GDP-csalása
  • 082 - Halott sztárok és kitalált dobosok a zeneiparban
  • 081 - A Python alkalmatlan data science-re!
  • 080 - Tiszta adat márpedig nincs!
  • 079 - Az MI háborúba ment
  • 078 - Üzenet a liftből
  • 077 - Természettudományt a magaskultúrába?
  • 076 - Állást keresel? Vigyázz mit hirdetsz a Jófogáson!
  • 075 - A MI királyunk nem olyan!
  • 074 - Lesz-e vihar a meteorológiában?
  • 073 - Meddig lesz még a focilabda gömbölyű?
  • 072 - Gloria in Excel
  • 071 - Ada Lovelace, az első programozó nő
  • 070 - Történetmesélés adatvizualizációval
  • 069 - Mekkora az adatértés minimuma?
  • 068 - Gépi tanulás a kiállítóteremben
  • 067 - Mókusvakítás-e a hiperperszonalizáció?
  • 066 - A Nagy Gravity-exit
  • 065 - MNB Fintech jelentés
  • 064 - A maciddal beszélgetsz inkább, vagy LaMDÁ-val?
  • 063 - A nagy cicabűnöző, mint általános MI
  • 062 - Halott színészek hamis videókban
  • 061 - Az AI hőse és egy robot fényképezőgép nélkül
  • 060 - Felesleges AI és a hasznos szuperappok
  • 059 - Yang Győző: nyelvi modellek
  • 058 - Élőzés a dataSTREAM 2022 konferencián
  • 057 - Quora.com barangolás a gépi tanulás körül
  • 056 - Tikk Domonkos: Az ajánlórendszer-üzlet
  • 055 - A gépi tanulás algoritmusai
  • 054 - Tényleg, milyen nagy a Big Data?
  • 053 - Tikk Domonkos: a Gravity-sztori
  • 052 - Boldog születésnap
  • 051 - A híres hibahatár, ami sokkal nagyobb
  • 050 - Így számoljuk meg az elveszett lovagi történeteket
  • 049 - Nevek nyomában
  • 048 - Texas hold'em
  • 047 - Dr. Watsonnak új gazdája lesz
  • 046 - Több-e reklámnál a metaverzum?
  • 045 - Mi köze a szitakötő agyának az automatizált programozáshoz?
  • 044 - Elemző nirvána vagy alapfokú szabadúszás?
  • 043 - Hány adatprojekt szakítja át a célszalagot?
  • 042 - Téli időszámítás az MI-naptárban
  • 041 - Mit láttunk a kristálygömbben?
  • 040 - Évvége, bambulás, világbéke
  • 039 - Az adatbányászok moziba mennek
  • 038 - Hydroinfo és cica-mining
  • 037 - Nők az adatbányában
  • 036 - Mesterséges apácaviccek és a fizika természetes szépsége
  • 035 - Értelem és érzelem és algoritmus
  • 034 - Mennyi baja van egy adatjogásznak az adattudósokkal?
  • 33. NLP kerekasztal a conTEXT 2021 konferencián
  • 32. Az otthonmunkáról szóló gigakutatás platóni szépsége
  • 31. Regulázzuk meg a Facebookot!
  • 30. Süti-apokalipszis a konferencián
  • 29. Hányféleképpen lehet igent mondani?
  • 28. Okoswhisky egy jó MI-sakkpartihoz?
  • 27. Humánus-e a személyzetis az adatbányában?
  • 26. Média-értés adat-alapon, vagy miért podcastolunk?
  • 25. Válogatáskazetták a Spotify korából
  • 24. Néha az adatelemzők is szemészetre viszik a fájó fogú beteget
  • 23. Mikortól gyűlölik meg a matekot a gyerekek?
  • 22. Kinek higgyünk - jövőkutatók vagy laikusok?
  • 21. Trágya vagy olaj?
  • 20. Ne mássz fára, mert elüt a villamos
  • 19. Szárnyalj szabadon, szép adattudósom!
  • 18. Magyarázzuk az MI bizonyítványát
  • 17. Nekünk minden egyformán popzene?
  • 16. A falevél-számlálás hitelesítése és a Coelho-i mosoly
  • 15. Gólok, árvizek és lórúgások
  • 14. A hangok a nadrágzsebünkben mindent tudnak az a4-es méretéről
  • 13. Vetélkedők fenegyerekéből az adattudósok kezesbáránya lett Watson
  • 12. Nem elég robotnak lenni, annak is kell látszani!
  • 11. Amikor szembejön a valóság és nem finomkodik
  • 10. Meztelenek és holtak az adattudományban
  • 09. Transformerek a bullshit-generálás szolgálatában
  • 08. Csokit az ikreknek, pontot a szépeknek!
  • 07. A legpontosabb óra az, ami egy helyben áll
  • 06. Mindenki álljon az egyik kapufa mellé!
  • 05. Kecskét vagy Jaguárt?
  • 04. A történetmesélő adatvizualizáció
  • 03. Mindenki tapogat
  • 02. Az MI üveggömbje
  • 01. Humanoid robotok
itt is
eléred

Mesterséges apácaviccek és a fizika természetes szépsége

36. epizód
| podcast

Ki tud és ki nem tud viccet mesélni, és egyáltalán, mi kell a vicces viccmeséléshez? Mi a baj az apácaviccekkel manapság? Lehet-e generatív alapon viccet gyártani, és miért lenne ez a feladat a mesterséges intelligencia Szent Grálja? Mire jutott a témában a tévés forgatókönyvíró Joe Toplyn és gépi tanulási algoritmusa, a Witscript? A fizika szépségbe való menekülése azonban egyáltalán nem vicces, legalábbis Sabine Hossenfelder német fizikus szerint. Szerintünk (és Wolf György fizikus szerint is) pedig ebben nincs újdonság, és nincs is miért kritikával illetni, hiszen a jobb elméletek szükségszerűen szebbek is.

Támogatóink:

  • Ez az e-mail-cím a szpemrobotok elleni védelem alatt áll. Megtekintéséhez engedélyeznie kell a JavaScript használatát.