标签：sp on 问题 bs line 算法 学习 nbsp 程序
最近神经网络实在太火了，其本质上来说就是人们模拟人脑的思维结构去有意识地去赋予一台机器在既定的程序下去学习某一问题的规律~如深度学习，他可以从给定的素材中自主地学习得到其特征，并进行一些分类或者预测活动，就如人类通过思考去判断。
这样的人工智能化必将是以后的趋势，其可以代替人类做很多事情。
但是问题来了，我们现在所谓的机器学习算法只能称为小众型，如深度学习，他的成功还在于能通过大量的样本训练成千上万的参数得到一个特定的模型，或许能去辨别猫或者其他动物。但是他的局限在，计算量大，训练迭代复杂，不能online，完成功能单一。人脑能存储大量的记忆，我们也能从这些大量的事物中提取各种有意思的东西，但是同时我们不可能每一件事情都记得一清二楚，我们有一个自主淘汰的机制，我们知道哪些是重要的，并能通过有序的回忆能大致的重现当时的状况，而且最有效的办法可能还是一些情感，我们往往对那些很感动的事情记得特别清楚。
那我们能不能赋予一台机器情感呢？他可以自主的去选择记忆学习一些事情，自主的去淘汰一些不必要的信息，他可以自己去思考，而不需要通过大量的计算抽取，因为信息是日积月累的，我们今天看到的东西，即使没有过多的注意，但是下一次再见的时候还是似曾相识，再学习再归类，即以前的特征和现在的特征又融合了，而非需要一下子全部的去学习迭代，这或许就是online和记忆抽取配对等问题吧。
而我觉得要给一台机器真正的智能或者情感，复杂用途单一的模型是有问题的。就像开始应该是一张白纸，然后我们赋予他一个模式，然后他自主的完成一些事项，然后积累经验，再遇到问题的时候又去学习解决。
有点乱，下次整理~
标签：sp on 问题 bs line 算法 学习 nbsp 程序
原文地址：http://blog.csdn.net/hanzihan123/article/details/41181211
