31、深度学习：未来展望与实践指南

深度学习：未来展望与实践指南

1. 深度学习的长期愿景

深度学习的未来充满了无限可能，以下是对机器学习长期发展的展望：
- 类程序模型 ：未来的模型将更像程序，其能力远超当前对输入数据的连续几何变换。这些程序更接近人类对周围环境和自身的抽象心理模型，凭借丰富的算法特性，具备更强的泛化能力。
- 模块融合 ：模型将融合提供形式推理、搜索和抽象能力的算法模块，以及提供非正式直觉和模式识别能力的几何模块。例如，AlphaGo就是符号AI和几何AI融合的早期范例。
- 自动生成模型 ：这些模型将通过全球可重用子程序库中的模块化部件自动生成，而非由人类工程师硬编码。这个库是通过在数千个先前任务和数据集上学习高性能模型而发展起来的。当元学习系统识别出常见的问题解决模式时，它们将被转化为可重用的子程序，添加到全球库中，实现抽象化。
- 极端泛化能力 ：全球库和相关的模型生成系统将能够实现类似人类的极端泛化。面对新任务或情况，系统可以利用泛化能力强的类程序原语和丰富的类似任务经验，仅用少量数据就能组装出适合该任务的新模型。就像人类如果有玩多款游戏的经验，就能快速学会一款新的复杂游戏。
- 人工通用智能 ：这种持续学习的模型生成系统可以被视为人工通用智能（AGI）。但别担心会出现机器人末日，那只是源于对智能和技术的一系列误解的幻想。

下面用mermaid流程图展示元学习系统生成任务模型的过程：

gr