论证有效性分析:分析下述论证中存在的缺陷和漏洞,选择若干要点,写一篇600字左右的文章,对该论证的有效性进行分析和评论。(论证有效性分析的一般要点是:概念,特别是核心概念的界定和使用是否准确并前后一致,有无各种明显的逻辑错误,论证的论据是否成立并支持结论,

admin2019-08-09  30

问题 论证有效性分析:分析下述论证中存在的缺陷和漏洞,选择若干要点,写一篇600字左右的文章,对该论证的有效性进行分析和评论。(论证有效性分析的一般要点是:概念,特别是核心概念的界定和使用是否准确并前后一致,有无各种明显的逻辑错误,论证的论据是否成立并支持结论,结论成立的条件是否充分等。)
    当下深度学习方兴未艾,在众多领域取得了瞩目成就,很多专家学者因此认为深度学习将很快超越人类的自主学习。但是,这一论断值得商榷。
    在刚刚结束的某著名人工智能峰会上,众多高校的教授对于深度学习都做了直接或间接的批判。他们认为,由于神经网络的深度记忆目前仍处于探索阶段,而人类的自主学习已经相当成熟,所以深度学习对于自主学习的赶超还有很长的一段路要走。
    而且深度学习在实质上是一种典型的被动式机器学习,这就与人的自主学习有了很多的不同之处。机器的发明者是人类,人类的智慧显然高于机器,那么机器又怎么可能会比人类更聪明呢?即使出现了像战胜世界围棋冠军的谷歌A1phaG0,但这也只是在某些比较简单领域的个例,并不能说明所有深度学习的机器都可以战胜人类。
    人类的智力发展已经有几十万年的历史,而计算机的历史不足百年,机器学习更是近几年才发展起来的,历史底蕴造就了深度学习的自身浅薄。更何况,深度学习更多的只是人类的头脑风暴,并没有投人到具→体的场景应用中。所以,深度学习在不远的未来必将被逐步拉下神坛。

选项

答案 深度学习真的不如自主学习吗 原文通过一系列论证,试图证明“深度学习对于自主学习的赶超还有很长的一段路要走”这一结论成立,但是该论证存在多处缺陷或漏洞,现分析如下: 首先,深度记忆并不等于深度学习,深度记忆属于记忆范畴,深度学习属于学习范畴,两者内涵不同,不能混淆。所以,不能由此推出结论“深度学习对于自主学习的赶超还有很长的一段路要走”。 其次,深度学习并非是一种典型的被动式机器学习,而是依托于人工神经网络的主动式机器学习,这里的被动式机器学习属于主观臆断。而且,机器的发明者是人类,并不代表人类的智慧必然高于机器,也并不代表机器不可能比人类更聪明。比如,计算机在数据处理和分析层面的能力远远超过人类。 再次,前文说“人类的智慧显然高于机器”,后文又说“出现战胜世界围棋冠军的谷歌AlphaGo”,前后表述自相矛盾。既然人类智慧高于机器,那么就不可能出现有超过人类智慧的AlphaG0。而且,围棋并不像题干中所说的是比较简单的领域,实际上围棋被认为是世界上最复杂的棋盘游戏。 最后,不能以人类智力发展的历史与计算机、机器学习进行类比,两者并不具有类比的基础。人类是由森林古猿经过漫长岁月逐步进化而来的,而计算机、深度学习是基于人类智慧研发的科技产物。因为存在继承与创造的关系,所以两者不能从发展历史的维度进行比较,也不能从历史维度批驳深度学习的浅薄。 综上所述,原文在概念、论据和论证过程等诸多方面存在缺陷,因此要想得出原文中的结论,还需要更加严谨的论证。

解析 论证有效性分析
【思路点拨】
(1)众多高校教授对于深度学习的批判也只是这些人的个人看法,并不一定符合深度学习的真实发展状况,所以并不具有足够的说服力说明深度学习严重落后于自主学习。
(2)深度记忆并不等于深度学习,深度记忆属于记忆范畴,深度学习属于学习范畴,两者内涵不同,不能混淆。所以,不能由此推出结论“深度学习对于自主学习的赶超还有很长的一段路要走”。
(3)深度学习并非是一种典型的被动式机器学习,而是依托于人工神经网络的主动式机器学习,这里的被动式机器学习属于主观臆断。
(4)机器的发明者是人类,并不代表人类的智慧必然高于机器,也并不代表机器不可能比人类更聪明。比如,计算机在数据处理和分析层面的能力远远超过人类。
(5)前文说“人类的智慧显然高于机器”,后文又说“出现战胜世界围棋冠军的谷歌AlphaGo”,前后表述自相矛盾。既然人类智慧高于机器,那么就不可能出现有超过人类智慧的AlphaGo。
(6)围棋被认为是世界上最复杂的棋盘游戏,并非像题干所说的是比较简单的领域,题干论述纯属主观臆断,严重偏离事实。所以,不能作为论据反驳“所有深度学习的机器都可以战胜人类”。
(7)不能以人类智力发展的历史与计算机、机器学习进行类比,两者并不具有类比的基础。人类是由森林古猿经过漫长岁月逐步进化而来的,而计算机、深度学习是基于人类智慧研发的科技产物。因为存在继承与创造的关系,所以两者不能从发展历史的维度进行比较。
(8)计算机、机器学习发展历史的浅薄并不能代表深度学习的浅薄。在信息大爆炸与技术迅速迭代的今天,深度学习并不以发展历史的长短作为其能力高下判断的标准,而是以带来的生产力增长高低进行判断。
(9)深度学习很多成果已经走出实验室,在众多行业和领域已经投入了实际应用。比如,计算机视觉技术、语音识别技术、自然语言处理技术等。
转载请注明原文地址:https://kaotiyun.com/show/a1aa777K
0

相关试题推荐
最新回复(0)