图像分类是一项繁芜的任务，深度学习架构可以成功完成这项任务。这些深度架构常日由许多层组成，每一层由许多过滤器组成。常日的理解是，随着图像层层深入，图像的更多增强特色和特色的特色就会显现出来。然而，这些特色和特色的特色是无法量化的，因此机器学习如何事情仍旧是一个谜。
巴伊兰大学（Bar-Ilan University）的研究职员最近在《科学报告》（Scientific Reports）上揭橥了一篇文章，揭示了成功的机器学习的内在机制，这种机制使机器学习能够出色地完身分类任务。\公众每个滤波器基本上都能识别一小簇图像，随着层数的增加，识别能力也会增强。巴伊兰大学物理系和 Gonda (Goldschmied) 多学科大脑研究中央的 Ido Kanter 教授领导了这项研究。
先容研究的视频。资料来源：巴伊兰大学 Ido Kanter 教授
这项事情的紧张贡献者之一、博士生尤瓦尔-迈尔（Yuval Meir）说：\"大众这一创造可以为更好地理解人工智能的事情事理铺平道路。这可以在不降落整体准确性的情形下，改进延迟、内存利用和架构的繁芜性。虽然人工智能一贯处于近期技能进步的前沿，但理解这些机器的实际事情事理可以为更前辈的人工智能开辟道路。\公众
编译自:ScitechDaily