Marcelo Tibau

The following little equation appeared in a debate among some friends. It concerned the possibility of a result such as -1 = 1. The culprit was:

-1 = i * i

One of the friends answered the question as:

-1 = √-1 * √-1

-1 = √1

-1 = 1

What is the problem with the above spooky answer? Well, the way I see it, this friend had one little mistake, which was to consider the equation inside the Cartesian plane. In my opinion, it is clearly under the Argand plane, which contains the complex numbers (e.g., x+yi). In this case, we could not consider i = √-1 but i = √1 and the negative sign should be outside both square roots.  Hence, the answer would be:

-1 = – (√1 * √1)

-1 = -√1

-1 = -1

I guess the only spooky math around should be the Halloween challenges, like the one below.

Notice that it takes two black cats to make one pumpkin. So:

Black Cat = 6

Cauldron = 14

Pumpkin = 12

Happy Halloween, folks. A nice trick-or-treating to you all.

Entre as técnicas mais bem-sucedidas de aprendizado de máquinas estão aquelas associadas ao deep learning.

Um dos objetivos centrais das pesquisas no subcampo da inteligência artificial conhecida como machine learning, é entender como a máquina aprende diretamente dos dados. Entre as técnicas mais bem-sucedidas de aprendizado de máquinas estão aquelas associadas ao deep learning, que usa várias camadas de representação para aprender recursos descritivos diretamente dos dados de treinamento [1]. Falei um pouco sobre o assunto em três textos anteriores (Visão computacional na era do deep learning; Configurando e depurando uma rede deep learning; e Derivada e Gradiente). Apesar de todo o sucesso das deep learnings, ainda não é muito bem compreendido teoricamente porque elas são tão bem-sucedidas em descobrir padrões em dados estruturados. Uma explicação, baseada na noção de informação relevante, vem ganhando terreno nos últimos anos. 

Leia o texto completo em Update or Die. Publicada em 08 de outubro de 2021.