Die Rechtfertigung für die erneute Begeisterung für neuronale Netzwerke als überlegene Methode zur Bewältigung komplexer Probleme stammt größtenteils aus dem Spielen von Spielen. Was als Wettbewerb zwischen menschlicher und maschineller „Intelligenz“ begann, hat sich zu einer großen Anstrengung entwickelt, die Kraft des Lernens durch Versuch und Irrtum und ihre Relevanz für tierische Gehirne zu verstehen. Obwohl die Arbeit, die erforscht, wie algorithmische Berechnung relativ einfache Spiele gewinnen kann, vor Jahrzehnten begann, unterstützt die Verwendung von neuronalen Netzen im Spiel die Schlussfolgerung, dass Gehirne empirisch arbeiten.

错误:搜索内容不能为空,请输入英文关键词
错误:关键词超出字数限制,请精简
高级检索

Empirisches Lernen

  • Dale Purves

摘要

Die Rechtfertigung für die erneute Begeisterung für neuronale Netzwerke als überlegene Methode zur Bewältigung komplexer Probleme stammt größtenteils aus dem Spielen von Spielen. Was als Wettbewerb zwischen menschlicher und maschineller „Intelligenz“ begann, hat sich zu einer großen Anstrengung entwickelt, die Kraft des Lernens durch Versuch und Irrtum und ihre Relevanz für tierische Gehirne zu verstehen. Obwohl die Arbeit, die erforscht, wie algorithmische Berechnung relativ einfache Spiele gewinnen kann, vor Jahrzehnten begann, unterstützt die Verwendung von neuronalen Netzen im Spiel die Schlussfolgerung, dass Gehirne empirisch arbeiten.