1樓：Ryan
即便不會統計，不會數學，不會優化，不會運籌的人也能在很多領域表現的比「AI」強太多，充分說明你的大腦不不需要那麼多「知識」，也不需要BP，也不需要做乙個泰勒展開才能學習，就能完成正常的聽說讀寫，琴棋書畫，哲學與詭辯。
2樓：
因果推斷確實是很難的部分，現在仍然是個大坑亟待解決。目前深度學習其實也就是找出資料的統計特徵，整體思路上與傳統機器學習大致相同。如果不解決因果推斷問題，則很難實現普通人口中說的人工智慧。
3樓：SunAries
僅僅深度學習確實不能實現人工智慧。人工智慧是乙個相當前沿的領域，從圖靈的時代就開始被研究。直到現在，大家都對人工智慧的理解依然比較初步，比如強智慧型，因果推理，認知共識等問題依然得不到很好的解決，更不用說因果發現那些人類更高層次的智慧型行為。
因此，人工智慧也是乙個很大的領域，同時水也很深，很難有人說完全解決裡面所有的問題。現在的深度學習之所以備受矚目，是因為它解決了困繞學者專家多年的特徵工程問題，讓我們從這項繁瑣而複雜的任務中解放出來，得到研究AI更深層次問題的機會。因此，深度學習確實是乙個劃時代的成果，是人工智慧發展史上的乙個重要轉折。
然而，僅僅是其中乙個轉折，類似的轉折在發展史上有很多，如圖靈測試提出AI概念，Marr 視覺理論的奠基，符號主義的發展，貝葉斯網路，SVM，Adaboost等等，AI發展離不開這些前輩們的努力以及他們的理論工作的支撐。而且，深度學習的資料驅動問題飽受詬病，難以解決，是一種鸚鵡正規化，甚至還不如...所以，我們很難說光抱著深度學習大腿就能走向人工智慧之路。
統計學三大基於似然函式的假設檢驗方法及其應用並進行比較？
長水滔滔 你說的是wald檢驗，LR檢驗和score檢驗吧。無效假設為 一般 0。wald檢驗和score檢驗其實很類似，本質的公式都為 主要區別在於採用的標準誤不同。wald檢驗標準誤是 而score檢驗採用的標準誤是 僅此而已。一般來說，score檢驗結果較wald檢驗更可靠，在大樣本下，wal...
學習統計學，有哪些推薦的入門書籍？為什麼？
胡潔 統計學分類也挺多，但是概率論和數理統計是所有的基礎。統計就像它的名字，做資料分析與案例分析，學校裡面教授的東西都是書本理論。你要學更多就需要多去論壇上找案例資料，借閱相關書籍。至於博弈論看看就好，博弈論書籍太多，與實際統計聯絡不大 在讀本科生，如果不是本專業的話我個人認為偏應用方面的書比較好，...
想深入學習地質統計學（克里金），有什麼好的建議嗎？推薦幾本書？謝謝
城隍廟東哥 地質統計學，地質在前，統計在後，看了一些回答，感覺不以為然，必須先了解地質90 然後才能應用統計學10 尤其是在實際應用中。學習地質統計學的最大障礙是一些概念的理解，因為是老外先研究的，所以很多理論和表述尚無好的翻譯 安子 劉愛利,王培法,丁園圓.地統計學概論 M 科學出版社,2012....