最近還蠻流行邏輯笑話的,但我必須糾正大家一下正確觀念,其實真正的邏輯推論,並不是指單向的推測,而是必須加入反向傳播演算,這個是深度學習的基本功,也是讓神經系統迭代演進的唯一方法。用白話文說就是,首先你從環境獲取到大量的多方資訊,接著你追蹤某事件或你想從這堆資料中找尋某種規律,於是經過你的大量推理演算後,得到了一些可能的結論(權重最高的幾個選項),但最後你還必須依照實際事件結果去反向推論,來更新你所獲取到的資訊權重,如此完成1次反向傳播,持續反複多次的推理和反向傳播來訓練這個神經系統,所以在之後遇到類似問題時的預測準度可以越來越提升。
我用AI原理來粗略簡化的描述一下,例如我現在有一個訓練好的神經系統,我的大腦,我輸入了10個外來資訊之後,經過隱藏層交互運算,最後輸出1個權重最高的選擇: 現實環境的描述是,我考量菜單上的十種餐點,經過我的經驗推算,覺得這間咖哩飯可能很好吃,所以最後得出我想買的一個餐點就是咖哩飯,但是我沒吃過這間,不知道他的好不好吃,所以我會在吃完之後給他一個權重,最後訓練出來的神經系統就會用在這間店,所以如果咖哩飯好吃,那麼下次我可能還會在點,如果不好吃,下次來我可能會選別的,之後常來吃的話,最終你可能會得到2-3種你最愛吃的,所以會常點他們,而其他的就會不常點。