¿Qué tan profundo es el aprendizaje profundo?

Depende del objetivo de su aplicación. Para una simple red de reconocimiento de dígitos escritos a mano, podría tener 3 capas de hasta 150 capas de red neuronal diseñada por Microsoft para ganar la competencia Imagenet 2015. Alphago de Deep Mind solo consta de 13 capas con diferentes diseños de arquitecturas. En mi opinión, depende totalmente del diseño de la red neuronal para lograr su objetivo.

El aprendizaje es algo que no se puede calibrar, calcular y medir. Aprender a partir de tus pensamientos, también existe después de que tu pensamiento termine. Y también existe antes de que comiencen tus pensamientos.

El aprendizaje es una porción alternativa de tiempo. Como el tiempo nunca termina. E incluso nadie puede decir desde dónde comienza el tiempo. De manera similar, el aprendizaje es, el aprendizaje también no tiene fin. Está más allá del pensamiento de cualquier criatura. Y tampoco se encuentra desde donde comienza el aprendizaje.

Significa que el aprendizaje es tan profundo que nadie sabe dónde termina. ¿Y desde donde comienza, un misterio en sí mismo?

Depende de si podemos facilitar por completo el aprendizaje no supervisado o entrenar redes neuronales para autoorganizarse / resolver sus propios nodos defectuosos. Todavía necesitamos formalizaciones sobre cómo hacer que funcionen en un ciclo de vigilia-sueño, o poder modelar la compresión y particularización de datos dinámicamente. Si desea obtener más información, le recomiendo que consulte el trabajo de Geoffrey Hinton sobre aprendizaje profundo.

Hasta el creador, por ejemplo, 13 capas de profundidad es AlphaGo.

En realidad es modular, puede ser tan profundo como quieras. Desea que sea básico, tendrá 1–2 capas, quiere que sea complejo, puede ser más profundo que Adele.