不好意思，您说的4个观点，我个人都持不同观点，欢迎探讨

1.您在17楼说“神经网络的命名是最大的失败，实际上跟生物的神经没有半毛关系”
实际上神经网络受到了非常强烈的人类神经研究启发
MP神经元的创建者之一沃伦·麦克洛克，就是神经生理学家
感知机的发明人也是心理学家
神经元之间的连接、神经元突触的强化增强，还有Hubb学习，都直接启发了人工神经网络和梯度下降算法
在后续的发展过程中，也有依靠动物视觉系统研究来启发网络结构的部分，都很直接

2.您在21楼说“动物的神经网络到现在人类还是两眼一抹黑，现在的神经网络就是泰勒级数展开的一种高级形式”
人类对动物神经网络的细粒度研究已经很清晰了
早在80年代就已经完成了一些虫类的神经回路完整分析和重构
2000年前后也已经完成了果蝇、老鼠等动物的大脑神经完整分析

神经网络作为万能拟合器，确实跟泰勒级数展开有相似性，但无论从复杂度、拟合能力还是优化方法来说，都远超泰勒级数展开
你这就好像对着搞密码学领域研究的人说：你们不就是四则运算的高级形式么。对，也不对。

3.您在26楼说“人工神经网络的单个神经元只有一个输出，比不上人脑神经细胞的多输入、多输出，人工神经网络已经陷入理论瓶颈了，应该多用显微镜观察人脑神经网络的放电方式”
这一点不仅跟您自己在17楼、21楼的观点相互冲突，承认了人工神经网络跟人脑的启发关系，但又陷入了另外一个极端
您错误地认为人工神经网络算法就必须走仿生路线，必须依靠人脑研究
在80年代的神经网络发展之中，奠定了几个重要的基础，偏偏与人脑无关，从而整体上使得人工神经网络走上了自己的道路
当然，行业里有一些大佬也会偶尔出来宣称要重回仿生路线，包括hinton，但只是做个姿态、再找一些启发的可能，而几乎没有可能在整体上回到仿生路线了


4.您在31楼说“人类的飞机比鸟类强大，并不是人类多么了解鸟类，而是牛顿力学给明了飞机的动力学方法”
这一点和您在26楼的观点相互冲突，认为没必要仿生而应该建立数学基础，但又陷入到了另外一个极端

关于这一点LeCun前几年反驳的比较多，主要是以万普尼克和乔丹为代表的老一代对神经网络时代的嫉妒而产生的攻击理由。但随着这几年的发展，逐渐少了很多这种无意义的讨论。

实际上人类至今都没有得到机翼相关的“给明了的动力学方法”
伯努利那些明显过于简化的方法就不提了，比较终极的N-S方程至今都是数学前沿难解的问题之一，再复杂一些的机翼场景甚至连数值模拟都很难做准确，所以最后还是靠实体实验




【 在 zuigao 的大作中提到: 】
: 这个还是在于科学理论的突破，人类的飞机比鸟类强大，并不是人类多么的了解鸟类，而是牛顿力学给明了飞机的动力学方法。
: 而真正的智力，人类现在的理论基本还是处于抓瞎阶段。就如openAI的那样，chatGPT已经快到头了，但是仍然无法完成简单的智力推理
:
: ...................
--
修改:ni1 FROM 123.112.67.*
FROM 123.112.67.*