主题：【原创】教育探索（六）—大脑神经网络是如何形成的 -- 夕曦

统计贝叶斯方法能够统领机器学习这么多年，绝对不是毫无缘由的，统计学与人类决策必然存在天然联系，不仅仅在于统计学在很多时候能够给出类似的正确决策，而且人类的错误决策，例如短视、浅视、经验主义等，也可以从统计学上找到对应的问题

“多层神经网络+贝叶斯方法”的路子问题不大，但是离真正的人工智能之间的差距仍然有十万八千里，这里面的鸿沟主要是两个（或者说一个），一是量化，目前深度学习虽然体现出了“直觉、概念”等潜力，但是受限于网络和问题规模，其可利用价值不大，所有的输入、输出仍然必须量化成数字才能与机器交流，而很多我们日常接触的东西，能否量化，怎么量化，这是一个非常大的问题；二是目标，神经网络也好，贝叶斯方法也好，归根到底都是一个数学的优化问题，那么一个好的优化目标，在解决问题的过程中起到举足轻重的作用，那么规则的发展、系统的发展，以及自身的发展，这样的优化目标，以目前机器“概念”的能力还完全理解不了，表现就是机器不具备主观能动性，只会死板地完成人类指定的具体学习任务，而没有更宏观的学习目标，所以这个问题也可以说成是一个目标的量化问题

而这个量化问题，至少在目前，还没看到任何能够解决的希望