如果选手此时改变选择， 他会提高或降低获奖的可能性么？提高多少
选手此时改变选择， 会提高获奖的可能性。提高**$\frac{1}{3}$**。 原本对于选手来说，选择各个门的概率相同。
- 当选手选择改变选择时，有两种情况
- 他原本选择的门后面有奖品。因此改变选择后获奖概率为0，不改变选择获奖概率为1
- 他原本选择的门后面没有奖品。改变选择后获奖概率为1，不改变获奖概率为0
于是我们需要知道他原本选择的门后有奖品的概率是多少。一开始选择时，各个门有奖品的概率均为$\frac{1}{3}$，因此原本选择的门后有奖品的概率$\frac{1}{3}$，没有奖品的概率$\frac{2}{3}$。
- 因此改变选择获奖率为：$\frac{1}{3}\times 0+\frac{2}{3}\times1=\frac{2}{3}$。
- 不改变选择的获奖率为：$\frac{1}{3}\times 1+\frac{2}{3}\times0=\frac{1}{3}$。
中文房间有智能么？它有什么样水平的智能？如何才能让它具有人类水平的智能？
中文房间指的是：
想象一个从小说英语但完全不会中文的人被反锁在一个房间里。房间里有一盒中文字卡片和一本规则书。这本规则用英文写就，告诉房间里的人一些如何操作汉字卡片的规则，但并没有告诉这个人任何一个中文字或者中文词句表示的含义。这本规则不是汉英字典，只是一个操作特定汉字卡片的规程。这本规则的本质其实是一个程序。现在，房间外面有人向房间内递送纸条，纸条上用中文写了一些问题。假设房间内的规则书写得非常好，以至于，房间里的人只要严格按照规则书操作，就可以用房间内的中文字卡片组合出一些词句来完美地回答输入的问题。于是，这个人提供的输出通过了关于“理解中文”这个心智状态的图灵测试。
那么，中文房间有智能吗，我认为有。 这建立在我对智能的定义：
智能指的是学习知识和解决问题的能力。
中文房间的确从规则书中学到了如何完美回应输入，因此把它当做一个程序，这是一个能够解决问题的程序，因此是有智能的。 但它的智能水平还较低，还处在“能够在要求不高的时候帮助人类完成任务，不能完全代替人类完成任务”的水平。同等水平的有：我们可以用翻译软件将中文翻译成英文，但我们不能直接拿全文丢进去翻译，因为他的翻译还不够细致准确。他只能对我们的翻译提供一点帮助。中文屋可以代替人类与孤独的人交谈，他不会说错话，但他不能感受到情感，无法抚慰他人。
如何让他拥有人类水平的智能？我认为需要增加训练数据的量和准确度。不仅仅只是对当前语句做出的反映，还要结合上下文信息一起训练，仿佛和人类一样有“记忆”。数据采集可以采集人类的长对话，生活情境来赋予中文屋更类人的对话。 其二，要增加中文屋自学习的能力，而不是只用规则书的内容。这样中文屋面对未知的知识也可以做出合理的反映。
根据讲课的内容和参考文献，用 NABCD 的模板，描述你心目中一个使用了 “人工智能+其他前沿技术” 的创新项目。 这个项目应该是由 7 - 10 名有相关技能的大学生在 4 个月能完成。
-
项目名称：基于关系预测算法的图像结构化搜索
-
应用技术：人工智能、图像检测、大数据、系统开发
-
Need
现在几乎所有人都使用搜索引擎从网上获取信息，文本搜索、图片搜索、视频搜索、音频搜索等等，成为人们互联网生活非常关键的一环。然而用结构化搜索词搜索特定图片时，搜索引擎返回的结果并不尽如人意。例如我们希望搜索电话在桌子上的图片，返回的结果却有与之毫不相干的，只有桌子和电话其中之一的，有电话和桌子但不满足我们搜索语义的图片。而我们的项目能够改进结构化搜索词的搜索效果，提升用户的搜索效率。 尽管用户对搜索精准图片的需要可能只是一个辅助性需求，但搜索引擎的用户量约等于整个互联网用户量，量级巨大。只要用户还在通过搜索引擎获取所需图片，那么他们对符合描述的图片的需求将会一直存在。
-
Approach
- 基本的招数:团队成员均有对数据库的基础知识、能够运用python进行项目开发、了解当前的深度学习模型、有一个从事此方向的老师
- 独特的招数：
- 团队有负责数据库维护的同学，能够优化已有数据库，使得从数据库中查找效率提高。
- 团队有负责关系预测算法的同学，熟悉领域的近三年论文、模型，能够根据论文及开源代码复现效果，打包为我们自己的模型。
- 团队有负责前端的同学，对前端设计富有经验，能够选择合适的形式展示成果。
- 团队有负责后端的同学，对于代码逻辑较为熟悉，程序可维护性高
- 团队有负责项目架构的同学，能够从全局把控项目，抽象出各个模块接口，使得负责各部分的同学能够快速对接。
- 招数的可行性：项目架构的同学抽象出接口与模块之后，各个部分各司其职，传入传出指定参数使得系统连通。
- 技术可行性：
- 对于结构化搜索词，高效地查找数据库，返回图片
- 对于以图识图，调用关系预测算法识别图片中的关系，将图片返回并将图片和关系存入数据库
- 不断调用关系预测算法预测图片，以扩大数据库
- 法律法规可行性：并未涉及违法内容。
- 可能遇到的困难：
- 项目架构抽象出来的接口与实际功能不契合：可以通过团队会议商讨功能代码，涉及到的同学共同决定统一接口来解决。
- 前端后端对所需参数要求不一致：同上。
- 项目里程碑设计的不够详细，使得进度难以量化：在最开始就确立尽可能好量化的里程碑计划。
- 模型对机器要求高：向老师借服务器。
-
Benefit
我们的产品同普通的图片搜索引擎外观大致相同，用户上手十分简单。通过我们的产品，用户可以搜索到更加符合结构化关系词的图片，即为用户提供了更多更好的备选图片。我们的网页放在服务器上，对用户的硬件要求很低。
-
Competitors 搜索引擎目前主要做的有几大巨头，例如谷歌、百度、搜狗等。但他们的搜索引擎是一个庞然大物，用户很难直接感受到他的进步，他的效果。我们的网页十分轻量，用户只需单开一个网页就能查看我们的结果。而研究关系预测算法的单位众多，例如李飞飞团队、旷视，但他们还未投入到应用层面。
-
D
- Delivery
- 在主流技术网站进行推广
- 邀请（可有偿）科技类KOL体验项目，发布对项目的感受
- Data
- 邀请周围不同系同学进行匿名体验调研
- 统计NPS
- 统计用户对于图片的满意率，横向对比其他搜索引擎
- Delivery