【2018 最新】deep learning 纽约大学教授Gary Marcus长文对深度学习的现状及局限性批判性探讨 + Deep Learning-LeCun、Bengio和Hinton三大牛的综述[2015]。讲解讨论了深度学习是什么？深度学习能做好什么？ 深度学习的局限性、过度炒作的潜在风险、更好的人工智能方法是什么？等非常核心的问题，对机器学习、深度学习研究者和学习者启发很大！

本文于51cto,介绍了深度学习的几何学视角，局限性，拟人化机器学习模型的风险，局部泛化与极限泛化等知识。深度学习最令人惊讶之处就在于它十分简单。十年前，没有人指望由梯度下降方法训练的简单参数模型就可以在机器感知问题上获得惊人的结果。现在，事实证明，你只需要一个有足够多参数的模型，并且在足够大的数据集上使用梯度下降进行训练。深度学习最令人惊讶之处就在于它十分简单。十年前，没有人指望由梯度下降方法训练的简单参数模型就可以在机器感知问题上获得惊人的结果。现在，事实证明，你只需要一个有足够多参数的模型

本文于51cto,介绍了深度学习的几何学视角，局限性，拟人化机器学习模型的风险，局部泛化与极限泛化等知识。深度学习最令人惊讶之处就在于它十分简单。十年前，没有人指望由梯度下降方法训练的简单参数模型就可以在机器感知问题上获得惊人的结果。现在，事实证明，你只需要一个有足够多参数的模型，并且在足够大的数据集上使用梯度下降进行训练。深度学习最令人惊讶之处就在于它十分简单。十年前，没有人指望由梯度下降方法训练的简单参数模型就可以在机器感知问题上获得惊人的结果。现在，事实证明，你只需要一个有足够多参数的模型