第196章 万年一遇（3 / 3）

  真正触及ai核心的部分，他是在计算学习理论里打通的。
  vc维、rademacher复杂度、泛化误差界，这些决定模型到底“到底能不能真正学会”的理论，他不只是看懂，而是亲手推导每一条界的鬆弛与收紧，理解深度学习为何能在参数远超样本量的情况下，依然不崩、不烂、不记住噪声。
  再往上，是表示学习与流形学习。
  他默认高维数据本就落在低维光滑流形上，用黎曼几何的眼光去看梯度下降，把优化过程理解成流形上的测地运动，而不是简单的向量更新。
  那些別人靠“炼丹”碰运气的结构设计，在他这里，变成了拓扑不变量与几何先验的严谨选择。
  最前沿的部分，他则直接扎进神经符號系统与因果推理的研究领域。 ↑返回顶部↑