concl

KevinZonda · KevinZonda · commit 8d84e96443bb · 2024-05-23T11:53:50.000+01:00
diff --git a/Conclusion.md b/Conclusion.md
@@ -0,0 +1,13 @@
+# 写在最后
+
+回顾整个机器学习基础，或许我们可以开始尝试回答一些问题。
+
+机器学习可以思考吗？机器学习到底有没有创造力？
+
+在我的观点中，机器学习不能思考。机器学习只是一个工具，是一种数学模型，是一种算法。目前机器学习所谓的能力，只是在于它的算法设计。
+
+而对于创造力，如果用学习理论来讲，机器拥有一定程度的泛化能力。例如，如果我给它没见过的数列：`1, 3, 5, 7`，它可以推测下一个数是 `9`。这就是泛化能力。而这并不能说明其有创造力。
+
+如果认为人脑是一个巨大的服从一定概率分布的采样器的话，因此我们也可以认为创造力的本身是对低概率密度事件的采样。但是我认为，人脑的概率分布比目前所有的模型都要复杂。每个人都拥有不同的概率分布，且从概率分布采样后会有大量后置操作以验证这个采样是否合理。这一些可能都是目前机器学习没有做到的。
+
+人脑只是一个 20瓦生物电驱动的器官。相比于目前庞然大物般的深度学习模型，人脑的计算能力是微不足道的。但是人脑却可以做到目前所有的模型都做不到的事情。而解决这个问题可能需要我们寻找出真正理解智能的本身。
diff --git a/SUMMARY.md b/SUMMARY.md
@@ -67,4 +67,6 @@
 - [学习理论](./7-LearningTheory/README.md)
   - [PAC框架](./7-LearningTheory/PAC.md)
 
+- [写在最后](./Conclusion.md)
+
 [代码附录](./Code.md)
