详细内容或原文请订阅后点击阅览
人工智能研究人员发表理论解释深度学习的实际工作原理
来自 Facebook Inc.、普林斯顿大学和麻省理工学院的人工智能研究人员联手发表了一篇新论文，他们称该论文首次提供了一个理论框架，首次描述了深度神经网络的实际工作原理。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）来自 Facebook Inc.、普林斯顿大学和麻省理工学院的人工智能研究人员联手发表了一篇新论文，他们称该论文首次提供了一个理论框架，首次描述了深度神经网络的实际工作原理。
Facebook 研究员 Sho Yaida 在一篇博文中指出，DNN 是现代人工智能研究的关键要素之一。但对于许多人来说，包括大多数人工智能研究人员，他们被认为太复杂，无法理解它们是如何工作的。
这是一个问题，因为虽然人工智能通过实验和反复试验取得了很大进展，但这意味着研究人员忽略了 DNN 的许多关键特征，而正是这些特征使它们非常有用。 Yaida 表示，如果研究人员更加了解这些关键特征，很可能会带来重大进展并开发出更高效的人工智能模型。
雅达将现在的人工智能与工业革命初期的蒸汽机进行了比较。他说，虽然蒸汽机永远改变了制造业，但直到其发明后的下个世纪，科学家们才能够在理论层面上充分解释它是如何工作的。他说，这种缺乏理解并没有阻止对蒸汽机的改进，但许多改进都是反复试验的结果。一旦科学家们发现了热机的原理，改进的步伐就显着加快。
“当科学家最终理解统计力学时，其意义远远超出了创造更好、更高效的引擎，”Yaida 写道。 “统计力学使人们认识到物质是由原子组成的，预见了量子力学的发展，并且（从整体上看）甚至导致了为您今天使用的计算机提供动力的晶体管。”
arXiv