對掌握算法的機器來說，只要提供足夠的學習樣本，對問題類型的識別就會相對簡單。這也正是王華正等人正在研究的事。
識別出問題類型之后，王華正等人采用標準向量法為每個類型問題的處理設置了運算法則。他們采用的標準向量法是自己研發(fā)的多義升級。
他們將這種深度學習方法與其他能夠處理文字推理的算法以及人類處理文字推理的能力進行了比較。然而，結果十分驚人。“出乎我們意料的是人類的平均表現竟比不過深度學習機器”。
人類在這些測試中的表現往往跟他們的教育背景有關。因此，擁本科學歷的人比擁有高中學歷的人表現要好，擁有博士學歷的表現最好。王華正等人稱他們的深度學習機器模型智力水平介于學士和碩士之間。
深度學習機器的出色表現足以說明深度學習方法的發(fā)展?jié)摿�。王華正等人對于該方法未來的發(fā)展充滿自信，他們稱，只要正確運用深度學習方法，在探究人類真正智力水平方面就會有進一步發(fā)展。
如今，雖然深度學習方法已經如同星星之火席卷了整個計算機科學領域，但是它所引起的革命仍然處于起步階段。誰都不知道這場革命將會把我們帶到何處，但有一點可以確定的是：William Stern對這一切也不得不嘆服。
小編推薦閱讀
