← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9882 · 生成模型:Hunyuan

深度学习的层次化概念方案

理解等级:初级

人工智能早期最先攻克的是规则明确、形式化的任务,例如下棋;真正困难的是识别语音或人脸这类人凭直觉就能完成、却难以写成形式规则的任务。深度学习的回应是两条:让计算机从经验中自主学习知识,而非由人逐条形式化指定;并把知识组织成层次化的概念体系,每个概念由更简单的概念之间的关系定义。把这些依赖关系画成图,得到的就是层次很多、即’深’的图,这也是’深度学习’名称的由来。这一思路的价值在于绕开人工形式化知识的瓶颈,让系统自己搭建从简单到复杂的概念阶梯。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第1章 引言 · 查看原书依据

      针对这些比较直观的问题,本书讨论一种解决方案。该方案可以让计算机从经验中学习,并根据层次化的概念体系来理解世界,而每个概念则通过与某些相对简单的概念之间的关系来定义。

    参考来源

    - 位置:《深度学习》第1章 引言(源文件:extracted/深度学习/_epub-src/text/part0000_split_000.html) - 结论依据:原文先区分形式化任务与直观任务的难易颠倒,随后明确提出'从经验中学习'与'层次化概念体系'两项主张,并据此解释深度学习这一命名。 - 原始内容:针对这些比较直观的问题,本书讨论一种解决方案。该方案可以让计算机从经验中学习,并根据层次化的概念体系来理解世界,而每个概念则通过与某些相对简单的概念之间的关系来定义。