1樓：唐唐唐
目前機器學習或深度學習類似人類學習過程的經驗，能夠很好的從資料中得到經驗，但是對於需要複雜推理的問題，無法挖掘深層次的潛在邏輯，特別對於本身具有抽象概念的問題。特別缺乏人類學習中強調的活學活用，很像是一位」書呆子「。
2樓：
人腦決策過程區分理性思考和直覺判斷的界限並不清晰啊!沒法模擬。。
機器學習通過學習資料規律，以此為依據做出判斷。他能學習到資料內在的邏輯規律並判斷，但對於未知知識的推理還是發展比較弱的（這塊已經在進步的，如知識圖譜知識推理，對抗神經網路..）。
3樓：乘風破浪
感性認識是感官對外界事物的直接感受，屬於低階認識，應該就是你說的直覺。
理性認識是通過後天的經驗，學習，推理，假設，論證等獲得的高階階段的認識。
所以個人感覺機器學習深度學習，既不能歸結為理性認識也不能歸結為感性認識。因為首先模型是不斷喂資料學習經驗得來的，但他又不具備思考分析的能力。
4樓：
理性思考和直覺判斷，從演算法的角度如何理解和定義？
大致的，所謂理性思考就更多是乙個全域性搜尋或者類似乙個MAP估計，也可以模擬成乙個RL演算法中不僅構建了世界模型，而且在世界模型和問題狀態空間進行充分的取樣互動得到的最優路徑，而所謂直覺判斷就是乙個heuristic或者greedy演算法或者區域性極值吧。其實它們有什麼本質區別麼？好像也沒有太多差異，就是個系統引數範圍的差別而已。
5樓：網路油俠
理性和直覺判斷本質上來說是一樣的都是神經突觸相鏈結傳播的電訊號不同的神經構造導致了不同的思維方式
這就和不同的卷積一樣
目前來說人類模擬的絕大多數神經網路都更偏向於「直覺」 但也不是全部
6樓：Scofield
理性思考還是直覺判斷，大致對應於人經常說的「邏輯」和「感覺」，本質都是神經元，突觸間的傳遞激發，有些與生俱來，而有些後天練習形成。
從這個角度說，ML/DL其實對此無感，它的insight在於更原始底層的模擬和學習。
因為ML/DL的輸入是資料（不區分是所謂的「理性思考還是直覺判斷」），淺層或深度學習（神經網路一脈最早叫artificial neural network，設計初衷就是模擬神經元之間的相互作用）都是在擬合這些資料，建立相關業務問題的對映關係（判別式）或建模資料本身（生成式），在good fit的前提下，這些模型結構就可以模擬於人類處理同乙個問題時的神經功能結構。
7樓：OBa
直覺判斷是利用我們人類祖先已訓練好而遺傳來的固有神經網路，理性思考是用現實資料輸入在訓練我們自己的神經網路。機器學習更像理性思考。
深度學習與機器學習的關係是什麼？
瘋貓子 沒有一種技術的發展是孤立的。開局一張圖 深度學習是機器學習的乙個重要分支，深度學習和機器學習的關係屬於繼承和發展的關係，其實不單單是這一分支如此，幾乎所有的演算法分支都是早期技術的重組 繼承 發展而來。如上圖所示，我大致把這些技術的繼承發展關係用導圖的方式進行展示，圖中沒有標註顏色的都是發展...
深度學習中的優化演算法 NAdam 和 Nesterov Adam 有區別麼 區別在哪？
溪亭日暮 Ruder,S.2016 An overview of gradient descent optimization algorithms.arXiv preprint arXiv 1609.04747.Dozat,T.2016 Incorporating nesterov momentum...
了解 從事機器學習 深度學習系統相關的研究需要什麼樣的知識結構？
搞機器學習系統的其實有兩撥人。第一類把系統當工具 為了提高機器學習的效率，提出新的資料表示格式 計算過程抽象 平行計算框架 這個流派主要是具有機器學習背景 理解演算法的人，架不住自己碼力很強，覺得現有的工具不好用就自己造輪子。門檻非常高，要理解機器學習且程式設計能力強大。典型代表 MXNet的作者，...