实用主义智能：实用性原则对人工神经网络的影响

人工神经网络(ANN)在诸多任务中表现卓越，包括分类或预测，例如语音处理和图像分类。这些新功能基于一种计算模型，该模型被允许自由选择所有必要的内部模型参数，只要最终能够实现其预期功能。本文审查了机器学习(ML)算法在ANN上运行时模型参数选择与新实用主义epistemology理论之间的联系，特别是聚焦于该理论的实用性和反表征主义方面。为了理解ANN模型参数选择的后果，我们建议使用这些新实用主义理论，其含义已被广泛研究。顺便说一下，新实用主义中关于优化的概念也基于实用性考虑。这意味着，这种方法优雅地揭示了ML中优化——即在学习阶段使用的数值方法——与后果主义伦理理论中的优化——即作为行动最大化——之间的内在联系。我们建议，这些联系源于ML系统中相关性的计算方式。这最终可能揭示ML系统中特定行动的趋势。