机器学习的分析层次

机器学习目前正卷入其史上最激烈的若干辩论之中。此类辩论往往似乎绕圈打转，无结论或无共识。鉴于机器学习研究者带着非常不同的参照框架参与这些讨论，难以对齐视角并找到共同点，这或许并不令人意外。作为此困境的 remedy，我们主张采用一个可用于理解、分析与讨论研究的通用概念框架。我们提出认知科学与神经科学中流行、且相信在机器学习中同样极具效用的一类框架：Marr 的分析层次。通过一系列案例研究，我们展示这些层次如何促进对若干机器学习方法的理解与剖析。我们主张，研究者在自身工作中采纳分析层次，将能更好地参与推动本领域前进所必需的辩论。