目前的人工智能架构可以成功完成图像分类任务，与人类的能力相抗衡。然而，是什么机制让机器学习如此成功？巴伊兰大学（Bar-Ilan University）的研究人员揭示了机器学习如何成功地对图像进行分类，揭示了深度学习架构中的每个过滤器都能通过层层识别和完善图像集群的识别。
图像分类是一项复杂的任务，深度学习架构可以成功完成这项任务。这些深度架构通常由许多层组成，每一层由许多过滤器组成。通常的理解是，随着图像层层深入，图像的更多增强特征和特征的特征就会显现出来。然而，这些特征和特征的特征是无法量化的，因此机器学习如何工作仍然是一个谜。
巴伊兰大学（Bar-Ilan University）的研究人员最近在《科学报告》（Scientific Reports）上发表了一篇文章，揭示了成功的机器学习的内在机制，这种机制使机器学习能够出色地完成分类任务。"每个滤波器基本上都能识别一小簇图像，随着层数的增加，识别能力也会增强。巴伊兰大学物理系和 Gonda (Goldschmied) 多学科大脑研究中心的 Ido Kanter 教授领导了这项研究。
介绍研究的视频。资料来源：巴伊兰大学 Ido Kanter 教授
这项工作的主要贡献者之一、博士生尤瓦尔-迈尔（Yuval Meir）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。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原理可以为更先进的人工智能开辟道路。"
编译自:ScitechDaily