对于神经网络领域的一种见解：也许加上遗传强化才是最终归宿

通过阅读和学习让我看到的神经网络的强大的一面，一个好的神经网络模型，不一定是确定的超参数，而有可能是因为好的数据，大量的数据，或者时间地点等各种因素，训练方法和训练数据和训练时间，微调的运气，都会造就一个好的模型。这很难。

好的神经网络看起来就像一个学生，学习结果的好坏要看他的学习过程中的很多因素。

当想通了这一点仿佛整个系统就不难理解了。但是谁能理解一个人的学习过程。问题终究回到了对人自己的研究中。

我通过自己考试的经验感受到的是来自经验的学习，会造出更好的结果，这种方式相近的算法模型，不是神经网络，而是强化学习，遗传算法等更难的算法。他们引入的是一个新的领域，神经网络算法的成功是很多历史因素造成的，但是他的应用还是有限的，因为一个只会考试的好学生，不是一个真正的好学生。

每一个算法都让人着迷。

就像每一个不可解的人。

宇宙的终极真理指引着这一切，数学符号清晰表达这一切，但是智慧不可能只在相关性中获得。

所以我觉得：未来的最好的算法，应当是神经网络（超强大脑）加上强化学习算法（实践经验）和遗传算法（迭代代理）的相结合。

---

各个学科在看世界上的角度不同，研究对象不同，所以容易被眼前的事物，局限。自己也是，学科也是，整个科技前沿也是，只有那些看到更多深层联系的人，会有所突破。从不同的视角，近距离，远距离，各种实践中研究这个问题。

对深度学习等再做一个深入学习后我会进入强化学习。同时不应该忽视日常的经验作业。对自己的极限的认知也是对技术的一种认知。