有没有像“深度”架构一样强大的学习算法?

人工智能 深度神经网络 比较 建筑学
2021-11-11 08:48:04

本文建议深度学习并非旨在产生通用算法,也不能用于创建如此复杂的系统。

首先,它需要大量的计算能力、时间和精力来以正确的方式训练算法,并且添加额外的层并不能真正帮助解决难以预测的复杂问题。

其次,使用 DNN 解决某些任务极其困难或不可能,例如求解数学方程、预测伪随机列表流体力学、猜测加密算法或反编译未知格式,因为输入和输出之间没有简单的映射。

所以我在问,是否有任何替代学习算法与通用问题解决的深度架构一样强大?与“深度”架构相比,哪个可以解决更多种类的问题?

2个回答

你读过Pedro Domingos的书The Master Algorithm:吗?

他讨论了当今的机器学习算法……它们的优势、劣势和应用……

  • 深度神经网络
  • 遗传算法
  • 贝叶斯网络
  • 支持向量机
  • 逆推论

在此处输入图像描述

当输入和输出之间没有简单的映射时,深度学习实际上非常有用(相对于其他技术),并且来自原始输入的特征需要通过连续的层以复杂的方式聚合和组合以形成输出。

正如我在回答AI SE 反编译问题时指出的那样,最近的 DL 研究将自然语言描述作为输入并生成程序文本作为输出尽管在这个一般研究领域工作,但我个人对此感到惊讶 - 这个问题比您在上面提供的“人工智能数学”链接要困难得多。