Sci Rep：人工智能是如何工作的?

　　

图像分类是一项复杂的任务，深度学习架构可以很好地完成。这些深度架构通常由许多层组成，每层由许多过滤器组成。通常的理解是，随着图像在各层中的进展，图像的更多增强特征和特征的特征被显示出来。然而，这些特征和特征的特征是无法量化的，因此机器学习的工作原理仍然是一个谜。

在最近发表在《科学报告》上的一篇文章中，来自巴伊兰大学的研究人员揭示了成功机器学习的机制，这使得它能够成功地执行分类任务。

“每个过滤器本质上识别一小组图像，随着层数的增加，识别会变得更清晰。我们找到了一种定量测量单个过滤器性能的方法，”领导这项研究的巴伊兰大学物理系和冈达(戈德施米德)多学科大脑研究中心的伊多·坎特教授说。

“这一发现可以为更好地理解人工智能的工作原理铺平道路，并补充说，这可以在不降低整体准确性的情况下改善延迟、内存使用和架构的复杂性。”

虽然人工智能一直处于近期技术进步的前沿，但了解这些机器的实际工作方式可以为更先进的人工智能开辟道路。