目前的人工智慧架構可以成功完成影像分類任務，與人類的能力競爭。然而，是什麼機制讓機器學習如此成功？巴伊蘭大學（Bar-Ilan University）的研究人員揭示了機器學習如何成功地對圖像進行分類，揭示了深度學習架構中的每個過濾器都能透過層層識別和完善圖像集群的識別。

影像分類是一項複雜的任務，深度學習架構可以成功完成這項任務。這些深度架構通常由許多層組成，每一層由許多過濾器組成。通常的理解是，隨著影像層層深入，影像的更多增強特徵和特徵的特徵就會顯現出來。然而，這些特徵和特徵的特徵是無法量化的，因此機器學習如何運作仍然是一個謎。

巴伊蘭大學（Bar-Ilan University）的研究人員最近在《科學報告》（Scientific Reports）上發表了一篇文章，揭示了成功的機器學習的內在機制，這種機制使機器學習能夠出色地完成分類任務。 “每個濾波器基本上都能辨識一小簇影像，隨著層數的增加，辨識能力也會增強。巴伊蘭大學物理系和Gonda (Goldschmied) 多學科大腦研究中心的Ido Kanter 教授領導了這項研究。

介紹研究的影片。資料來源：巴伊蘭大學Ido Kanter 教授

這項工作的主要貢獻者之一、博士生尤瓦爾-邁爾（Yuval Meir）說：「這項發現可以為更好地理解人工智慧的工作原理鋪平道路。這可以在不降低整體準確性的情況下，改善延遲、記憶體使用和架構的複雜性。雖然人工智慧一直處於近期技術進步的前沿，但了解這些機器的實際工作原理可以為更先進的人工智慧開闢道路。”

編譯自: ScitechDaily