主题：【原创】教育探索（六）—大脑神经网络是如何形成的 -- 夕曦

当然其中很多问题现在还没有答案。只能谈谈我的认识。

Deep Learning起源于计算机领域（computer science），打破了传统统计学对数据分析的垄断。传统统计学先有假设，然后根据假设构建数学模型，再去分析数据并验证调整。对大数据来说，传统统计学的模型常常过于简单，不仅解决不了问题，反而成了数据分析中的障碍。尤其是multiple comparison的概念，极大地阻碍了生物医学领域的大数据分析。

机器学习理论反其道而行，先探寻数据结构的初步规律，再以初步规律建模进一步探寻数据，不断反复，螺旋式前进。就是辩证法的“肯定、否定、否定之否定”。也是你说的卷积过程。

但是目前机器学习中的“否定、否定之否定”，还是需要人脑来进行的，也就是由人来对每个阶段机器学习的结果进行解读、分析。

我理解机器学习与人脑最大的区别包括：机器学习是数字式的，人脑是模拟分析模式。这其中应该包括你提到的“传感器融合”。

另外一个区别更重要，机器学习的“否定、否定之否定”是通过修改程序（软件）完成的，人脑是通过修改硬件（神经网络）来完成的。在我的教育理论中，这是与孩子大脑发育/教育最关键的地方。有意思的是最初的计算机就是通过修改逻辑电路来修改程序的。