弱人工智能，弱人工智能強(qiáng)人工智能超人工智能分別怎么翻譯不要自己翻要

來(lái)源：整理時(shí)間：2023-09-07 22:06:17 編輯：智能門(mén)戶(hù) 手機(jī)版

本文目錄一覽

1，弱人工智能強(qiáng)人工智能超人工智能分別怎么翻譯不要自己翻要
2，請(qǐng)問(wèn)大家有誰(shuí)知道人工智能的原理是什么
3，現(xiàn)在人工智能慢慢開(kāi)始普及你看好人工智能發(fā)展的未來(lái)嗎
4，發(fā)展的看未來(lái)人工智能如果遠(yuǎn)遠(yuǎn)超越人類(lèi)會(huì)怎樣
5，人工智能好嗎
6，人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)是一種怎樣的層級(jí)關(guān)系

1，弱人工智能強(qiáng)人工智能超人工智能分別怎么翻譯不要自己翻要

強(qiáng)人工智能：BOTTOM-UP AI弱人工智能：TOP-DOWN AI

你好!弱人工智能，強(qiáng)人工智能，超人工智能Weak artificial intelligence, strong artificial intelligence, super artificial intelligence

弱人工智能強(qiáng)人工智能超人工智能分別怎么翻譯不要自己翻要

2，請(qǐng)問(wèn)大家有誰(shuí)知道人工智能的原理是什么

這個(gè)…… 不會(huì)。建議買(mǎi)專(zhuān)業(yè)書(shū)去，不過(guò)偶好象記的人工智能的一個(gè)分類(lèi)：　強(qiáng)人工智能和弱人工智能，弱的就比如：QQ的聊天機(jī)器人屬于養(yǎng)成型。強(qiáng)的呀……就是象電影上可以獨(dú)立進(jìn)行思考進(jìn)而進(jìn)行推理的，好象到現(xiàn)在還沒(méi)研究出來(lái)，汗~ （附：我在網(wǎng)上找的：聊天機(jī)器人的原理相當(dāng)簡(jiǎn)單，淺顯地說(shuō)就是把預(yù)設(shè)的問(wèn)題或是對(duì)話(huà)，先輸入到程式裡面，再寫(xiě)入與其相對(duì)應(yīng)的答句。如此一來(lái)，只要使用者輸入問(wèn)題，聊天機(jī)器人就可以馬上以相關(guān)的答句來(lái)回答。目前的聊天機(jī)器人都是以英文系為主，因?yàn)橛⑽牡奶匦躁P(guān)係，使得聊天機(jī)器人程式可以相較於中文體系很輕易的被寫(xiě)出來(lái)。所以在使用聊天機(jī)器人時(shí)，當(dāng)然就要用英文來(lái)對(duì)話(huà)。）

你不會(huì)吧,都搞人工智能了!

這種問(wèn)題只有買(mǎi)書(shū)才能回答了

請(qǐng)問(wèn)大家有誰(shuí)知道人工智能的原理是什么

3，現(xiàn)在人工智能慢慢開(kāi)始普及你看好人工智能發(fā)展的未來(lái)嗎

人工智能產(chǎn)業(yè)是智能產(chǎn)業(yè)發(fā)展的核心，是其他智能科技產(chǎn)品發(fā)展的基礎(chǔ)，國(guó)內(nèi)外的高科技公司以及風(fēng)險(xiǎn)投資機(jī)構(gòu)紛紛布局人工智能產(chǎn)業(yè)鏈，加快實(shí)施新一代人工智能科學(xué)基礎(chǔ)的關(guān)鍵技術(shù)系統(tǒng)集成研發(fā)，使那些研發(fā)成果盡快能夠進(jìn)入到開(kāi)放平臺(tái)，在開(kāi)放使用中再一次把它增強(qiáng)完善。人工智能發(fā)展趨勢(shì)據(jù)前瞻產(chǎn)業(yè)研究院《人工智能行業(yè)市場(chǎng)前瞻與投資戰(zhàn)略規(guī)劃分析報(bào)告》指出，2017年中國(guó)人工智能核心產(chǎn)業(yè)規(guī)模超過(guò)700億元，隨著國(guó)家規(guī)劃的出臺(tái)，各地人工智能相關(guān)建設(shè)將逐步啟動(dòng)，預(yù)計(jì)到2020年，中國(guó)人工智能核心產(chǎn)業(yè)規(guī)模將超過(guò)1600億元，增長(zhǎng)率達(dá)到26．2％。報(bào)告認(rèn)為，從產(chǎn)業(yè)投資回報(bào)率分析，智能安防、智能駕駛等領(lǐng)域的快速發(fā)展都將刺激計(jì)算機(jī)視覺(jué)分析類(lèi)產(chǎn)品的需求，使得計(jì)算機(jī)視覺(jué)領(lǐng)域具備投資價(jià)值；而隨著中國(guó)軟件集成水平和人們生活水平的提高，提供教育、醫(yī)療、娛樂(lè)等專(zhuān)業(yè)化服務(wù)的服務(wù)機(jī)器人和智能無(wú)人設(shè)備具備投資價(jià)值。人工智能現(xiàn)狀。當(dāng)前，人工智能受到的關(guān)注度持續(xù)提升，大量的社會(huì)資本和智力、數(shù)據(jù)資源的匯集驅(qū)動(dòng)人工智能技術(shù)研究不斷向前推進(jìn)。從發(fā)展層次來(lái)看，人工智能技術(shù)可分為計(jì)算智能、感知智能和認(rèn)知智能。當(dāng)前，計(jì)算智能和感知智能的關(guān)鍵技術(shù)已經(jīng)取得較大突破，弱人工智能應(yīng)用條件基本成熟。但是，認(rèn)知智能的算法尚未突破，前景仍不明朗。今年，隨著智力資源的不斷匯集，人工智能核心技術(shù)的研究重點(diǎn)可能將從深度學(xué)習(xí)轉(zhuǎn)為認(rèn)知計(jì)算，即推動(dòng)弱人工智能向強(qiáng)人工智能不斷邁進(jìn)。一方面，在人工智能核心技術(shù)方面，在百度等大型科技公司和北京大學(xué)、清華大學(xué)等重點(diǎn)院校的共同推動(dòng)下，以實(shí)現(xiàn)強(qiáng)人工智能為目標(biāo)的類(lèi)腦智能有望率先突破。另一方面，在人工智能支撐技術(shù)方面，量子計(jì)算、類(lèi)腦芯片等核心技術(shù)正處在從科學(xué)實(shí)驗(yàn)向產(chǎn)業(yè)化應(yīng)用的轉(zhuǎn)變期，以數(shù)據(jù)資源匯集為主要方向的物聯(lián)網(wǎng)技術(shù)將更加成熟，這些技術(shù)的突破都將有力推動(dòng)人工智能核心技術(shù)的不斷演進(jìn)。

人工智能的發(fā)展現(xiàn)狀處于成長(zhǎng)期，由于相關(guān)人才的數(shù)量比較少，人工智能的人才市場(chǎng)處于空缺，出現(xiàn)了供不應(yīng)求的狀況。加之國(guó)家發(fā)布相關(guān)政策促進(jìn)人工智能的發(fā)展；一些省份也比較重視人工智能的發(fā)展

現(xiàn)在人工智能慢慢開(kāi)始普及你看好人工智能發(fā)展的未來(lái)嗎

4，發(fā)展的看未來(lái)人工智能如果遠(yuǎn)遠(yuǎn)超越人類(lèi)會(huì)怎樣

人工智能終究只是工具，掌握在人類(lèi)的手中。人工智能，也就是AI遲早會(huì)超過(guò)人類(lèi)的智慧，這點(diǎn)是毋庸置疑的。目前，計(jì)算機(jī)科學(xué)的發(fā)展已經(jīng)使人工智能在絕大部分方面超越了人類(lèi)，連人類(lèi)智力游戲里面的最后一個(gè)堡壘～圍棋，也被AI攻克。但在創(chuàng)造力方面，它甚至不如一個(gè)小孩子。人工智能被分成了兩個(gè)級(jí)別：弱人工智能和強(qiáng)人工智能。弱人工智能不過(guò)是利用大數(shù)據(jù)、算法和計(jì)算速度模擬出來(lái)的，它只是看起來(lái)像有智慧。比如現(xiàn)在非常流行的智能音箱，它只是將人類(lèi)的自然語(yǔ)音翻譯成了機(jī)器語(yǔ)音并執(zhí)行。它并沒(méi)有真正的“理解”這些語(yǔ)言的意思，甚至是戰(zhàn)勝人類(lèi)圍棋選手的阿法狗也不過(guò)是弱人工智能的巔峰之作而已。強(qiáng)人工智能應(yīng)該是真正具有推理和解決問(wèn)題能力的機(jī)器，它應(yīng)該是具有自我意識(shí)的。這樣的人工智能還只存在于科幻作品里，但這應(yīng)該是科學(xué)的發(fā)展方向。畢竟，人類(lèi)的智慧是有極限的。人類(lèi)最擅長(zhǎng)的是使用工具來(lái)彌補(bǔ)自身的不足，人類(lèi)不會(huì)飛翔，于是就有了飛機(jī)，人類(lèi)想進(jìn)入太空，于是就有了飛船。強(qiáng)人工智能也是人類(lèi)進(jìn)入更高級(jí)文明的一個(gè)工具，它能彌補(bǔ)人類(lèi)智慧的不足。人類(lèi)對(duì)人工智能的擔(dān)憂(yōu)也是有道理的，有很多名人都對(duì)人工智能的發(fā)展提出了自己的疑慮，例如蓋茨、霍金等。辦法總比困難多，我們總能想出解決方案來(lái)。但我們不能在想出辦法來(lái)之前就不發(fā)展這項(xiàng)技術(shù)。如何超越人腦就要先從了解大腦的運(yùn)作模式開(kāi)始，可以利用計(jì)算機(jī)模擬大腦的運(yùn)作來(lái)實(shí)現(xiàn)這一目標(biāo)。大量的研究顯示，人腦和動(dòng)物的大腦并沒(méi)有本質(zhì)上的不同，只是復(fù)雜程度不一樣而已。所以，對(duì)大腦的研究可以從較為簡(jiǎn)單的生命開(kāi)始。這也是科學(xué)家們一只在做的事情。人類(lèi)對(duì)大腦區(qū)域的宏觀(guān)功能已有相當(dāng)清晰的認(rèn)識(shí)，只是在分子層面還了解不多。目前科學(xué)家已經(jīng)能模擬出線(xiàn)蟲(chóng)大腦的運(yùn)作。相信在不遠(yuǎn)的將來(lái)，隨著量子計(jì)算機(jī)的突破，人工智能時(shí)代終將到來(lái)。

因?yàn)闄C(jī)器人都是人類(lèi)開(kāi)發(fā)的，在控制系統(tǒng)中增加了很多限制功能，如果把多人的思維信息都儲(chǔ)存在機(jī)器人cpu里面，而又不對(duì)它的行為加以限制程序，它肯定會(huì) 超越人類(lèi)，不要說(shuō)是未來(lái)，就是現(xiàn)在也可以做到，但有一點(diǎn)可以肯定，機(jī)器人再怎么超越人類(lèi)它始終不會(huì)有發(fā)展，如果沒(méi)有人類(lèi)，它的所謂智能只能永遠(yuǎn)停留在現(xiàn)在的水平

5，人工智能好嗎

其實(shí)所有東西都是有利有弊。至少在目前看來(lái)，人工智能確實(shí)是利大于弊的。人工智能對(duì)人沒(méi)有造成什么危害，還能幫人方便地處理很多事情。先說(shuō)一下人工智能的概念。人工智能并不只包括AlphaGo這種，這種應(yīng)用的是機(jī)器學(xué)習(xí)，只是人工智能中的一小部分，不過(guò)確實(shí)是很厲害的一部分。傳統(tǒng)的人工智能，重點(diǎn)是在人工，而不是在機(jī)器。比如洗衣機(jī)、電飯煲里面設(shè)置的那些程序參數(shù)也可以認(rèn)為是人工智能。至于多年以后人工智能發(fā)展得比人強(qiáng)大之后有人認(rèn)為，人工智能發(fā)展到一定水平，其智慧超過(guò)人類(lèi)，認(rèn)為人和他們搶占資源，而并無(wú)用處，便會(huì)開(kāi)始?xì)缛祟?lèi)；另外有些人只是從霍金的演講中聽(tīng)說(shuō)，霍金一直對(duì)人類(lèi)持有樂(lè)觀(guān)態(tài)度，那為什么會(huì)提出可能會(huì)毀滅人類(lèi)這個(gè)觀(guān)點(diǎn)呢？這個(gè)觀(guān)點(diǎn)是有前提的——一切不考慮前提的論述都是不合格的——如果人類(lèi)最大化使用智能性自主武器，可能會(huì)導(dǎo)致人的滅亡。我認(rèn)為，對(duì)于已經(jīng)認(rèn)識(shí)到一種科技可能造成危害的情況下（顯然人們已經(jīng)預(yù)測(cè)到人工智能可能釀成的災(zāi)禍了），人類(lèi)不會(huì)在沒(méi)有對(duì)其完全控制的時(shí)候就將其投入使用。有如原子彈，如果管理不當(dāng)，一顆足以將一個(gè)城市夷為平地。真正能“遠(yuǎn)超人類(lèi)”的人工智能也有如此，人類(lèi)一定會(huì)讓他有一些無(wú)法逾越的底線(xiàn)。如果一個(gè)人“失去了價(jià)值觀(guān)和同情心，枉顧后果”，使用了這種“智能性自主武器”，那么和幾百年前發(fā)明原子彈時(shí)所擔(dān)憂(yōu)的讓一顆原子彈在人口最密集處爆炸也沒(méi)有什么區(qū)別。而這些，都是人類(lèi)通過(guò)自己的道德、法律，硬性規(guī)定可以解決的問(wèn)題。人類(lèi)現(xiàn)在對(duì)核彈有這樣那樣的限制，到我們真正研發(fā)出這種遠(yuǎn)超人類(lèi)的人工智能的時(shí)候，必然也會(huì)對(duì)它有這樣那樣的限制。事實(shí)上，弱人工智能已經(jīng)成為我們生活中重要的一部分，但未來(lái)幾十年里，人工智能會(huì)逐漸滲透到社會(huì)的每一個(gè)方面，在醫(yī)療、工作、教育和科技等眾多領(lǐng)域?yàn)槲覀兲峁┲С趾徒ㄗh。我們的確要保證是我們來(lái)掌控人工智能，而不是被它掌控。而在這個(gè)問(wèn)題上我們應(yīng)該擔(dān)憂(yōu)的并不是人工智能本身的發(fā)展，而是我們自己的道德底線(xiàn)?？偟膩?lái)說(shuō)就是利大于弊。

人工智能工程技術(shù)人員是指從事與人工智能相關(guān)算法、深度學(xué)習(xí)等相關(guān)的多種技術(shù)的分析、研究、開(kāi)發(fā)，并對(duì)人工智能系統(tǒng)進(jìn)行設(shè)計(jì)、優(yōu)化、運(yùn)維、管理和應(yīng)用的工程技術(shù)人員。人工智能專(zhuān)業(yè)就業(yè)方向有科學(xué)研究、工程開(kāi)發(fā)、計(jì)算機(jī)方向、軟件工程、應(yīng)用數(shù)學(xué)、電氣自動(dòng)化通信、機(jī)械制造等。人工智能是國(guó)家戰(zhàn)略的核心方向，影響著國(guó)民經(jīng)濟(jì)的很多領(lǐng)域，已成為一個(gè)國(guó)家科技發(fā)展水平和國(guó)民經(jīng)濟(jì)現(xiàn)代化、信息化的重要標(biāo)志。

6，人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)是一種怎樣的層級(jí)關(guān)系

人工智能：從概念提出到走向繁榮1956年，幾個(gè)計(jì)算機(jī)科學(xué)家相聚在達(dá)特茅斯會(huì)議，提出了“人工智能”的概念，夢(mèng)想著用當(dāng)時(shí)剛剛出現(xiàn)的計(jì)算機(jī)來(lái)構(gòu)造復(fù)雜的、擁有與人類(lèi)智慧同樣本質(zhì)特性的機(jī)器。其后，人工智能就一直縈繞于人們的腦海之中，并在科研實(shí)驗(yàn)室中慢慢孵化。之后的幾十年，人工智能一直在兩極反轉(zhuǎn)，或被稱(chēng)作人類(lèi)文明耀眼未來(lái)的預(yù)言，或被當(dāng)成技術(shù)瘋子的狂想扔到垃圾堆里。直到2012年之前，這兩種聲音還在同時(shí)存在。2012年以后，得益于數(shù)據(jù)量的上漲、運(yùn)算力的提升和機(jī)器學(xué)習(xí)新算法（深度學(xué)習(xí)）的出現(xiàn)，人工智能開(kāi)始大爆發(fā)。據(jù)領(lǐng)英近日發(fā)布的《全球AI領(lǐng)域人才報(bào)告》顯示，截至2017年一季度，基于領(lǐng)英平臺(tái)的全球AI（人工智能）領(lǐng)域技術(shù)人才數(shù)量超過(guò)190萬(wàn)，僅國(guó)內(nèi)人工智能人才缺口達(dá)到500多萬(wàn)。人工智能的研究領(lǐng)域也在不斷擴(kuò)大，圖二展示了人工智能研究的各個(gè)分支，包括專(zhuān)家系統(tǒng)、機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、推薦系統(tǒng)等。但目前的科研工作都集中在弱人工智能這部分，并很有希望在近期取得重大突破，電影里的人工智能多半都是在描繪強(qiáng)人工智能，而這部分在目前的現(xiàn)實(shí)世界里難以真正實(shí)現(xiàn)（通常將人工智能分為弱人工智能和強(qiáng)人工智能，前者讓機(jī)器具備觀(guān)察和感知的能力，可以做到一定程度的理解和推理，而強(qiáng)人工智能讓機(jī)器獲得自適應(yīng)能力，解決一些之前沒(méi)有遇到過(guò)的問(wèn)題）。弱人工智能有希望取得突破，是如何實(shí)現(xiàn)的，“智能”又從何而來(lái)呢？這主要?dú)w功于一種實(shí)現(xiàn)人工智能的方法——機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)：一種實(shí)現(xiàn)人工智能的方法機(jī)器學(xué)習(xí)最基本的做法，是使用算法來(lái)解析數(shù)據(jù)、從中學(xué)習(xí)，然后對(duì)真實(shí)世界中的事件做出決策和預(yù)測(cè)。與傳統(tǒng)的為解決特定任務(wù)、硬編碼的軟件程序不同，機(jī)器學(xué)習(xí)是用大量的數(shù)據(jù)來(lái)“訓(xùn)練”，通過(guò)各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)。舉個(gè)簡(jiǎn)單的例子，當(dāng)我們?yōu)g覽網(wǎng)上商城時(shí)，經(jīng)常會(huì)出現(xiàn)商品推薦的信息。這是商城根據(jù)你往期的購(gòu)物記錄和冗長(zhǎng)的收藏清單，識(shí)別出這其中哪些是你真正感興趣，并且愿意購(gòu)買(mǎi)的產(chǎn)品。這樣的決策模型，可以幫助商城為客戶(hù)提供建議并鼓勵(lì)產(chǎn)品消費(fèi)。機(jī)器學(xué)習(xí)直接來(lái)源于早期的人工智能領(lǐng)域，傳統(tǒng)的算法包括決策樹(shù)、聚類(lèi)、貝葉斯分類(lèi)、支持向量機(jī)、EM、Adaboost等等。從學(xué)習(xí)方法上來(lái)分，機(jī)器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)（如分類(lèi)問(wèn)題）、無(wú)監(jiān)督學(xué)習(xí)（如聚類(lèi)問(wèn)題）、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。傳統(tǒng)的機(jī)器學(xué)習(xí)算法在指紋識(shí)別、基于Haar的人臉檢測(cè)、基于HoG特征的物體檢測(cè)等領(lǐng)域的應(yīng)用基本達(dá)到了商業(yè)化的要求或者特定場(chǎng)景的商業(yè)化水平，但每前進(jìn)一步都異常艱難，直到深度學(xué)習(xí)算法的出現(xiàn)。深度學(xué)習(xí)：一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)深度學(xué)習(xí)本來(lái)并不是一種獨(dú)立的學(xué)習(xí)方法，其本身也會(huì)用到有監(jiān)督和無(wú)監(jiān)督的學(xué)習(xí)方法來(lái)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)。但由于近幾年該領(lǐng)域發(fā)展迅猛，一些特有的學(xué)習(xí)手段相繼被提出（如殘差網(wǎng)絡(luò)），因此越來(lái)越多的人將其單獨(dú)看作一種學(xué)習(xí)的方法。最初的深度學(xué)習(xí)是利用深度神經(jīng)網(wǎng)絡(luò)來(lái)解決特征表達(dá)的一種學(xué)習(xí)過(guò)程。深度神經(jīng)網(wǎng)絡(luò)本身并不是一個(gè)全新的概念，可大致理解為包含多個(gè)隱含層的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。為了提高深層神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果，人們對(duì)神經(jīng)元的連接方法和激活函數(shù)等方面做出相應(yīng)的調(diào)整。其實(shí)有不少想法早年間也曾有過(guò)，但由于當(dāng)時(shí)訓(xùn)練數(shù)據(jù)量不足、計(jì)算能力落后，因此最終的效果不盡如人意。深度學(xué)習(xí)摧枯拉朽般地實(shí)現(xiàn)了各種任務(wù)，使得似乎所有的機(jī)器輔助功能都變?yōu)榭赡?。無(wú)人駕駛汽車(chē)，預(yù)防性醫(yī)療保健，甚至是更好的電影推薦，都近在眼前，或者即將實(shí)現(xiàn)。三者的區(qū)別和聯(lián)系機(jī)器學(xué)習(xí)是一種實(shí)現(xiàn)人工智能的方法，深度學(xué)習(xí)是一種實(shí)現(xiàn)機(jī)器學(xué)習(xí)的技術(shù)。我們就用最簡(jiǎn)單的方法——同心圓，可視化地展現(xiàn)出它們?nèi)叩年P(guān)系。目前，業(yè)界有一種錯(cuò)誤的較為普遍的意識(shí)，即“深度學(xué)習(xí)最終可能會(huì)淘汰掉其他所有機(jī)器學(xué)習(xí)算法”。這種意識(shí)的產(chǎn)生主要是因?yàn)椋?dāng)下深度學(xué)習(xí)在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理領(lǐng)域的應(yīng)用遠(yuǎn)超過(guò)傳統(tǒng)的機(jī)器學(xué)習(xí)方法，并且媒體對(duì)深度學(xué)習(xí)進(jìn)行了大肆夸大的報(bào)道。深度學(xué)習(xí)，作為目前最熱的機(jī)器學(xué)習(xí)方法，但并不意味著是機(jī)器學(xué)習(xí)的終點(diǎn)。起碼目前存在以下問(wèn)題：1. 深度學(xué)習(xí)模型需要大量的訓(xùn)練數(shù)據(jù)，才能展現(xiàn)出神奇的效果，但現(xiàn)實(shí)生活中往往會(huì)遇到小樣本問(wèn)題，此時(shí)深度學(xué)習(xí)方法無(wú)法入手，傳統(tǒng)的機(jī)器學(xué)習(xí)方法就可以處理；2. 有些領(lǐng)域，采用傳統(tǒng)的簡(jiǎn)單的機(jī)器學(xué)習(xí)方法，可以很好地解決了，沒(méi)必要非得用復(fù)雜的深度學(xué)習(xí)方法；3. 深度學(xué)習(xí)的思想，來(lái)源于人腦的啟發(fā)，但絕不是人腦的模擬，舉個(gè)例子，給一個(gè)三四歲的小孩看一輛自行車(chē)之后，再見(jiàn)到哪怕外觀(guān)完全不同的自行車(chē)，小孩也十有八九能做出那是一輛自行車(chē)的判斷，也就是說(shuō)，人類(lèi)的學(xué)習(xí)過(guò)程往往不需要大規(guī)模的訓(xùn)練數(shù)據(jù)，而現(xiàn)在的深度學(xué)習(xí)方法顯然不是對(duì)人腦的模擬。