机器之心获悉，近日一篇名为「纯粹学习的批判：人工神经网络可以从动物大脑中学到什么」的论文正引发机器学习社群热议。以下为论文概述：在过去的十年中，人工神经网络（ANNs）经历了一场革命，在很大程度上是由更佳的监督学习工具所催化。然而，训练此类神经网络需要大量标记示例的数据集，而幼小动物（包括人类）通常是在很少或没有标记示例的情况下学习的。这与生物学习形成鲜明对比，导致许多人在 ANN 社区中认为，动物必须主要依靠无监督学习而不是监督式，由此研究寻找更好的无监督算法。在这里，我们认为动物的大部分行为都不是所谓的聪明学习算法的结果，无论是监督还是无监督，而是来自出生时已经存在的行为范式。这些程序通过进化产生，在基因组中编码，并且由于连接大脑而出现。具体而言，动物出生时具有高度结构化的大脑连接，这使他们能够非常迅速地学习认识到高度结构化连接的重要性表明了建立能够快速学习的人工神经网络的途径。