给火热的深度学习泼一下冷水

qq24476828

深度学习不管是以前的1.0还是google的tf，都有一样的弱点，人为固定的多层结构，人为设定的每层节点数，节点间连接数，还有节点算法。这些固定的因素让学习能力和效率有限。
大家拿深度学习大部分是处理图片吧，想象一下，一个人的几百个眼睛（gpu核心数）被固定，然后准备几百万张图片，接着拿着去闪这个人的眼睛。一张张静态图片不停轮流显示，看到的图片是分裂离散的，毫无前后联系，与真实世界的连续性完全不同，真实世界中的一些规则将无法利用和学习。纯粹是数学统计，这样学习到的东西非常有限。这方法只适合用在全新领域，没有任何可以借鉴的前人经验的情况下，进行暴力学习。
这样不管不顾的抛弃其他来源的可利用经验去用大量样本找统计规则的方法，学不会人类在少量样本即可凭借预测去快速得到靠谱结果，也学不会在没有样本的时候用推理进行思想实验来解决问题的能力。

惋惜飘落

有想法，赞一个