详细内容或原文请订阅后点击阅览
深度学习是人工智能的必要组成部分吗？
巴伊兰大学的科学家继续研究树状架构，研究人工智能对深度学习的需求，并提出了可能对复杂分类任务更有效的替代机器学习方法。
来源:Qudata深度学习是人工智能的必要组成部分吗？
在人工智能领域，深度学习的作用正变得至关重要。人工智能范式传统上从人脑的功能中汲取灵感，但看来深度学习在某些方面已经超越了人脑的学习能力。深度学习无疑取得了令人瞩目的进步，但它也有缺点，包括计算复杂度高和需要大量数据。
鉴于上述担忧，以色列巴伊兰大学的科学家提出了一个重要问题：人工智能是否应该融入深度学习？他们在《科学报告》杂志上发表了新论文，该论文延续了他们之前关于树状架构优于卷积网络的研究。这项新研究的主要目标是找出是否可以使用基于大脑启发原理的较浅神经网络有效地训练复杂的分类任务，同时减少计算负荷。在本文中，我们将概述可能重塑人工智能行业的关键发现。
新论文 先前的研究因此，正如我们已经知道的那样，成功解决复杂的分类任务需要训练深度神经网络，该网络由数十甚至数百个卷积和完全连接的隐藏层组成。这与人脑的功能完全不同。在深度学习中，第一个卷积层检测输入数据中的局部模式，后续层识别更大规模的模式，直到实现输入数据的可靠类别表征。
对于广义的 VGG-16 架构也观察到了类似的幂律现象。但是，与 LeNet 相比，这导致实现给定错误率所需的操作数量增加。