当前的问题

这篇文章从发行

2014年9月至10月

第102卷第5期
第324页

DOI: 10.1511 / 2014.110.324

致编辑:

深入学习”(作者Brian Hayes(5月-6月, 计算科学)为提出有关深度学习人工神经网络的简单但基本的问题提供了良好的背景知识。在描述了由杰弗里·欣顿(Geoffrey Hinton)团队构建的这种网络的成功之后,该网络在最近的人工智能竞赛中比亚军系统获得了更高的准确性,海耶斯正确地指出,没有像欣顿团队所获得的那样丰富的实践经验,就可以进行构建。如Hayes在第189页中所述,必须要探索这样一个成功的网络的“网络体系结构的巨大空间”。

一个基本问题是:这种突破性的人工神经网络的成功多少应该归功于施工团队在人的脑海中的学习,并通过许多使用这种网络进行的实验的反馈来进行训练,以及对机器学习的多少学习由此产生的网络,最终在实际数据中对示例进行了训练?

亚瑟·查尔斯沃思
弗吉尼亚里士满大学


海斯先生回应:

查尔斯沃思教授很好地阐明了这个问题。由经验丰富的团队构建的神经网络的优越性能确实表明,网络并不是完全自治的代理,某些学习发生在程序员的脑海中。但是,我要补充一点,这一发现我感到非常鼓舞。知道机器学习系统并不是完全不透明的黑匣子,让我感到欣慰的是,它提供了答案,但没有解释。如果我们能够学习更好地构建它们,那么我们必须学习一些有关它们如何工作的知识。

美国科学家评论政策

保持话题。尊重。我们保留删除评论的权利。

请阅读我们的 评论政策 评论之前。