深度學習，人的解析

深度學習，人工智慧都備受大家的關注，也是這個時代的特色。近些年來，它的發展十分迅速。但是業內人士大多數關注的是深度學習演算法和網路的細節。但是，我在這裡想要談一談人的深度學習能力。

在一個人還是個嬰兒的時候，他看見一本《三國演義》，他不會有什麼太多的想法，只是在他的視網膜上成立了一個倒立的書的像，除此之外，他一無所知。後來到了他開始認識一二三，剛剛開始分辨顏色的時候，他再看見這本書，他知道這本書的名字上有個三，知道了這本書的顏色。再後來，他長大了，當他再次看見了這本書的時候，他就知道了這本書裡面講的內容，這本書的作者，這本書講述的時代。也許你覺得這件事很自然，很普通。但是，你如果仔細想一想的話，你會發現，其實這個孩子三次看見的是同樣的事物，身體的感測器給與他一樣的信息，但是他卻能從這一樣的原始信息中獲得不同層次的信息，難道你不覺得不可思議嗎。再比如說，你和一個小學生同時看見了E=mc2，你會想到這是愛因斯坦的質能方程並且延伸一些這個公式的背景和意義，而小學生除了一些字母信息以外，什麼信息也沒有獲得；同樣的原始信息，在經過不同層次訓練過的人眼中的價值是不一樣的。

再來看一看信息融合，你看見一張2M的圖片，你可能會覺得自己獲得了2M的信息，你會這樣想也是很自然的，大多數人都會這樣理解。但實際上卻相差甚遠，你也許只能獲得幾個比特的信息量，你的大腦會自動提取你關注的一些特徵，至於你關注哪些特徵就和你經過了怎樣的訓練有關了。一個人現在的行為是對過去的積分，你關注的人人自然和你的過去有關。現在說說為什麼只有幾比特？你在讀取一幅圖片的時候，大腦會自動的對圖片進行壓縮，對裡面的一些特徵進行提取，經過神經網路進行分類，同時根據先驗知識對圖片進行分析，從而得到你關注的信息。就拿找不同來說吧，讓你看兩幅圖片，然後找不同，我相信你是不可能做到一眼掃過2張圖後立馬找到所有的不同，而是需要一個圖的細節一個圖的細節去細看，這就是為什麼你看了一張2M的圖實際上只能獲得幾比特信息的原因了。

聽到貓叫能識別貓，看見鳥飛能識別鳥，聞到醋味能識別醋，摸到滑鼠能識別滑鼠，吃到蘋果能識別蘋果等等這些都是自然賦予你的感測器，你利用這些感測器將獲取的原始數據進行融合，獲得新的特徵，利用這所有需要的特徵進行神經網路去對這個世界各種事物，事件進行分類達到分辨事物的能力就是「知」，為了獲得某種感覺而做出判斷去行動就是「行」，通過結果反饋在進行驗證就是人的深度學習。

我們一直處於認識自然，學習自然規律的狀態，那些自以為是的覺得自己什麼都知道的人反而比較無知。我們的知與行早就體現在信號級融合、特徵及融合以及決策及融合併且這樣的一直學習著，人是最經典的設計，他的DNA擁有最經典的代碼。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！