这篇文章是数学家与计算机科学家合作写的，将范畴论应用于人工智能的强化学习。本文表示，强化学习算法与强化学习算法的复合，还是一个强化学习算法，因而所有强化学习算法构成一个范畴$\textrm{Learn}$。然后在$\textrm{Learn}$里考虑神经网络，并证明在一般情况下，梯度下降也是复合的。如果对纯数学理论，在计算机或者AI有什么应用感兴趣的人，可以看看。我当时下这篇文章，也是好奇代数领域在AI方面有啥应用，其实当时已经知道有个叫热带几何（Tropical Geometry）的领域，就是代数几何在计算机的应用。因为当时AI就很火，但AI可解释性需要很多数学来解决，他们解决不了，所以我留着这篇文章也是打算之后写篇类似的AI应用的文章。
自从GPT火了以后，网络上的AI内容就变得泛滥了，刚开始还能轻松辨别哪些是AI的（一眼AI），哪些是人写的。现在这一两年里，随着生成式AI不断深入人心，AI内容变得更加泛滥了，并且经过这段时间技术的发展，AI生成的内容越来越真假难辨😢😤，有些AI生成的内容需要仔细辨别才能看出端倪。更可怕的是，道高一尺魔高一丈😔🙁，所谓的AI检测技术发展远远比不上AI生成技术的发展。AI生成的内容跟人越来越像，甚至有时候比人写的还要好，而人写的内容呢，相对的也就越来越AI化了😅。因此目前的AI检测会出现把人写的认定为AI写的荒谬事情。这也就意味着潘多拉魔盒已经彻底打开，AI内容与人的内容的界限开始变得模糊，所有的内容都变得真假难辨，恐怕这样下去人会彻底活在虚幻的世界里😭。以下为AI检测的结果我们检测用的是为什么说外国教材好？国外教材与国内教材的区别与 Djano云服务器部署 uwsgi+nginx+https部署这两篇文章。使用GPTZero进行检测，其他检测工具就不列举说明了，感觉用哪个AI检测结果都不会有太大差别。其实是别的AI检测都太不靠谱了😄，Undetectable.ai感觉就无论给它什么结果 ...
