深度學(xué)習(xí)的科學(xué)哲學(xué)研究

1、學(xué)校代碼JIANGXI UNIVERSITY OF FINANCE AND ECONOMICS中圖分類號(hào)UDC碩士學(xué)位論文MASTER DISSERTATION論文題目（中文）深度學(xué)習(xí)的科學(xué)哲學(xué)研究論文題目（英文）Research on Scientific Philosophy of Deep Learning作 者何燕珍申 請(qǐng)學(xué)位法學(xué)碩士馬克思主義學(xué)科專業(yè)科學(xué)技術(shù)哲學(xué)導(dǎo) 師王耀德培養(yǎng)單位馬克思主義學(xué)院研究方向 人工智能哲學(xué)二O二O年六月獨(dú)創(chuàng)性聲明本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究 工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致 謝的地方外，論文中不包含其他人已經(jīng)發(fā)

2、表或撰寫的研究成果， 也不包含為獲得江西財(cái)經(jīng)大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所 使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均 已在論文中作了明確的說(shuō)明并表示了謝意。簽名：舉淡%期:X關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解江西財(cái)經(jīng)大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī) 定，即：學(xué)校有權(quán)保留送交論文的復(fù)印件，允許論文被查閱和借 閱；學(xué)校可以公布論文的全部或部分內(nèi)容，可以采用影印、縮印 或其他復(fù)制手段保存論文。（保密的論文在解密后遵守此規(guī)定） TOC o 1-5 h z 目錄I HYPERLINK l bookmark1 o Current Document ContentsIll摘要1 HYPERL

3、INK l bookmark43 o Current Document Abstract2 HYPERLINK l bookmark46 o Current Document 第一章緒論1 HYPERLINK l bookmark49 o Current Document 1.1研究背景及意義1 HYPERLINK l bookmark52 o Current Document 1.1.1研究背景1 HYPERLINK l bookmark55 o Current Document 1.1.2研究意義2 HYPERLINK l bookmark58 o Current Document 1.2

4、國(guó)內(nèi)外研究現(xiàn)狀3 HYPERLINK l bookmark61 o Current Document 1.2.1國(guó)外研究現(xiàn)狀3 HYPERLINK l bookmark64 o Current Document 1.2.2國(guó)內(nèi)研究現(xiàn)狀4 HYPERLINK l bookmark67 o Current Document 1.3研究框架及研究方法7 HYPERLINK l bookmark70 o Current Document 1.4創(chuàng)新點(diǎn)與不足8 HYPERLINK l bookmark73 o Current Document 第二章深度學(xué)習(xí)概述9 HYPERLINK l bookmar

5、k76 o Current Document 2.1相關(guān)概念的基本界定9 HYPERLINK l bookmark79 o Current Document 2.1.1學(xué)習(xí)的概念9 HYPERLINK l bookmark82 o Current Document 2.1.2深度學(xué)習(xí)的概念10 HYPERLINK l bookmark85 o Current Document 2.2深度學(xué)習(xí)的分類11 HYPERLINK l bookmark91 o Current Document 2.3深度學(xué)習(xí)的理論基礎(chǔ)11 HYPERLINK l bookmark94 o Current Documen

6、t 2.3.1生成主義理論11 HYPERLINK l bookmark97 o Current Document 2.3.2認(rèn)知科學(xué)理論12 HYPERLINK l bookmark100 o Current Document 第三章深度學(xué)習(xí)對(duì)認(rèn)識(shí)論的影響13 HYPERLINK l bookmark103 o Current Document 3.1認(rèn)識(shí)論及其發(fā)展概述13 HYPERLINK l bookmark106 o Current Document 3.2深度學(xué)習(xí)的馬克思主義認(rèn)識(shí)論審視14143.2.1深度學(xué)習(xí)的認(rèn)識(shí)主體問(wèn)題 TOC o 1-5 h z HYPERLINK l bo

7、okmark109 o Current Document 3.2.2深度學(xué)習(xí)的認(rèn)識(shí)客體問(wèn)題16 HYPERLINK l bookmark115 o Current Document 3.2.3深度學(xué)習(xí)與認(rèn)識(shí)工具問(wèn)題18 HYPERLINK l bookmark118 o Current Document 3.3深度學(xué)習(xí)與意識(shí)可能性問(wèn)題19 HYPERLINK l bookmark121 o Current Document 3.4深度學(xué)習(xí)對(duì)知識(shí)問(wèn)題的影響20 HYPERLINK l bookmark124 o Current Document 3.4.1知識(shí)的定義與分類20 HYPERLINK

8、 l bookmark127 o Current Document 3.4.2言傳性知識(shí)地位得到提高21 HYPERLINK l bookmark130 o Current Document 3.4.3 “數(shù)據(jù)”成為知識(shí)的來(lái)源21 HYPERLINK l bookmark135 o Current Document 第四章 深度學(xué)習(xí)對(duì)科學(xué)方法論的影響24 HYPERLINK l bookmark138 o Current Document 4.1科學(xué)方法論定義及其發(fā)展概述24 HYPERLINK l bookmark141 o Current Document 4.1.1科學(xué)方法論的定義244

9、.1.2科學(xué)方法論的發(fā)展概述25 HYPERLINK l bookmark144 o Current Document 4.2深度學(xué)習(xí)對(duì)科學(xué)方法論的變革26 HYPERLINK l bookmark147 o Current Document 4.2.1基于深度學(xué)習(xí)的歸納推理26 HYPERLINK l bookmark150 o Current Document 4.2.1基于深度學(xué)習(xí)的演繹推理27 HYPERLINK l bookmark153 o Current Document 4.2.3基于深度學(xué)習(xí)的系統(tǒng)分析28 HYPERLINK l bookmark156 o Current D

10、ocument 第五章 深度學(xué)習(xí)的倫理困境30 HYPERLINK l bookmark159 o Current Document 5.1深度學(xué)習(xí)的積極影響30 HYPERLINK l bookmark162 o Current Document 5.2深度學(xué)習(xí)的倫理反思31 HYPERLINK l bookmark165 o Current Document 5.2.1侵犯隱私問(wèn)題315.2.2數(shù)據(jù)異化問(wèn)題32 HYPERLINK l bookmark168 o Current Document 5.2.3就業(yè)安全問(wèn)題33 HYPERLINK l bookmark171 o Current

11、 Document 5.2.4生理倫理問(wèn)題34 HYPERLINK l bookmark174 o Current Document 5.3 “以人為本”審視深度學(xué)習(xí)34 HYPERLINK l bookmark177 o Current Document 結(jié)語(yǔ)36 HYPERLINK l bookmark180 o Current Document 參考文獻(xiàn)37 HYPERLINK l bookmark264 o Current Document 致謝42Contents TOC o 1-5 h z Chapter 1 Introduction1 Research Background an

12、d Significance1Research Background1Research Value2Research Status at Home and Abroad3Status of Foreign Research3Status of domestic research4Research Framework and Research Methods7Innovation points and shortcomings8Chapter 2 Oveiwiew of Deep Learning9Basic definition of related concepts9Learning Con

13、cepts9Concepts of Deep Learning10Classification of Deep Learning11Frontier Foundations of Deep Learning11Generative theory11Cognitive Science theory12Chapter 3 The influence of Deep Leaming on Epistemology13Epistemology and Development Overview13A Survey of Marxist Epistemology of Deep Leaming14The

14、subject matter of Deep Leaming14Understanding the subject matter of Deep Learning16Cognitive tools for Deep Leaming18Deep Learning and the possibility of awareness19Impact of Deep Leaming on Knowledge Problems20Definition and Classification of Knowledge20Improved status of verbal knowledge21Data is

15、the Source of Knowledge21Chapter 4 The Impact of Deep Learning on Scientific Methodology24Scientific Methodology Definition and Development Overview24Definition of Scientific Methodology24Overview of the development of scientific methodology25Deep Learnings Change in Scientific Methodology26Inductiv

16、e Reasoning Based on Deep Learning27Deductive Reasoning Based on Deep Learning28System Analysis Based on Deep Learning30Chapter 5 The Ethical Dilemma of Deep Learning30The Positive Impact of Deep Learning30Ethical Reflections on Deep Learning31Privacy Violations31Data Alienation Problems32Employment

17、 safety issues33Physiological and Ethical Issues34People First Review of Deep Learning34Conclusion36References37Acknowled gements42深度學(xué)習(xí)作為人工智能重點(diǎn)的研究領(lǐng)域之一，是近年來(lái)計(jì)算機(jī)、軟件工程等 學(xué)科中的熱點(diǎn)，它與腦科學(xué)、數(shù)學(xué)和生理學(xué)等學(xué)科相互交叉，促進(jìn)了各個(gè)學(xué)科之 間的交流與互動(dòng)。深度學(xué)習(xí)的快速發(fā)展，與巨量和快速處理的大數(shù)據(jù)科學(xué)技術(shù)密 不可分，在自然語(yǔ)言處理、圖像識(shí)別、無(wú)人駕駛等領(lǐng)域得到應(yīng)用。所謂深度學(xué)習(xí)， 即通過(guò)人工神經(jīng)網(wǎng)絡(luò)，對(duì)數(shù)據(jù)進(jìn)行分類并可視化，從而實(shí)現(xiàn)

18、無(wú)監(jiān)督學(xué)習(xí)。深度學(xué) 習(xí)的本質(zhì)以人腦神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，在構(gòu)建和模擬人的大腦的過(guò)程中，以數(shù)據(jù)的輸 入和輸出為基礎(chǔ)，并讓數(shù)據(jù)實(shí)現(xiàn)從低級(jí)到高級(jí)的特征提取，計(jì)算機(jī)在數(shù)據(jù)層層遞 進(jìn)的過(guò)程中，逐漸“理解”和“學(xué)習(xí)”數(shù)據(jù)并獲得相應(yīng)的知識(shí)信息，即深度學(xué)習(xí) 是一種通過(guò)組合低層次的特征形成更加抽象的高層次表示過(guò)程，進(jìn)而實(shí)現(xiàn)最佳特 征學(xué)習(xí)的目標(biāo)。通過(guò)分析國(guó)內(nèi)外文獻(xiàn)，可以發(fā)現(xiàn)國(guó)外關(guān)于深度學(xué)習(xí)的哲學(xué)研究可 追溯至上個(gè)世紀(jì)50年代人工智能哲學(xué)研究，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的進(jìn)一步發(fā)展； 國(guó)內(nèi)關(guān)于深度學(xué)習(xí)的研究從計(jì)算機(jī)領(lǐng)域本身擴(kuò)展到哲學(xué)社會(huì)科學(xué)領(lǐng)域，主要集中 于人工智能的哲學(xué)研究、深度學(xué)習(xí)與人類智能的對(duì)比分析等等，研究角度包括認(rèn) 識(shí)

19、論和方法論等等，這些方面的研究方興未艾。因此，本文嘗試從科學(xué)哲學(xué)的角 度，分別從認(rèn)識(shí)論、科學(xué)方法論和倫理學(xué)三個(gè)方面對(duì)深度學(xué)習(xí)進(jìn)行相關(guān)探討。本文對(duì)學(xué)習(xí)、深度學(xué)習(xí)的概念及其演化進(jìn)行了梳理，在把深度學(xué)習(xí)模型分為 有監(jiān)督的深度學(xué)習(xí)模型、無(wú)監(jiān)督的深度學(xué)習(xí)模型和混合的深度學(xué)習(xí)模型的基礎(chǔ)上, 分別從以下角度進(jìn)行了考察：（1）認(rèn)識(shí)論的角度。以馬克思主義認(rèn)識(shí)論為基礎(chǔ)， 對(duì)深度學(xué)習(xí)的認(rèn)識(shí)主體、認(rèn)識(shí)客體和認(rèn)識(shí)工具進(jìn)行了分析，認(rèn)為，深度學(xué)習(xí)雖然 擴(kuò)大了認(rèn)識(shí)客體的范圍和數(shù)量并使認(rèn)識(shí)客體以虛擬化的形式出現(xiàn),但它不能使機(jī) 器取代人類成為新的認(rèn)識(shí)主體，而只是放大并延伸了人類的認(rèn)識(shí)功能，成為人類 認(rèn)識(shí)世界的重要工具。深度學(xué)習(xí)使

20、“數(shù)據(jù)”成為知識(shí)的主要來(lái)源，并使言傳性知 識(shí)的地位得以提高，但目前看來(lái)，計(jì)算機(jī)的“數(shù)據(jù)”與數(shù)據(jù)處理與人的意識(shí)活動(dòng) 有很大區(qū)別。（2）對(duì)深度學(xué)習(xí)的科學(xué)方法論的探討。認(rèn)為，深度學(xué)習(xí)使歸納推理、 演繹推理和系統(tǒng)分析等科學(xué)方法有了新的內(nèi)容和特殊表現(xiàn)形式。（3）深度學(xué)習(xí)的 倫理學(xué)反思。對(duì)深度學(xué)習(xí)與大數(shù)據(jù)處理可能帶來(lái)的侵犯隱私、數(shù)據(jù)異化、就業(yè)安 全和生理倫理等方面的問(wèn)題進(jìn)行了梳理、考察和分析，提出“以人為本”才能有 效應(yīng)對(duì)這些方面的問(wèn)題。關(guān)鍵詞：深度學(xué)習(xí)；認(rèn)識(shí)論；科學(xué)方法論；倫理困境AbstractAs one of the key research areas of artificial intelli

21、gence, Deep Learning is a hot topic in the disciplines of computer and software engineering in recent years. It intersects with disciplines such as brain science, mathematics and physiology, and promotes communication and interaction between various disciplines. The rapid development of Deep Learnin

22、g is inseparable from the huge amount and fast processing of big data science and technology, and has been applied in the fields of natural language processing, image recognition, and unmanned driving. The so-called Deep Learning is to classify and visualize data through artificial neural networks t

23、o achieve unsupervised learning. The essence of Deep Learning is based on the brain. In the process of constructing and simulating the human brain, it is based on the input and output of the data, and allows the data to achieve low-level to high-level feature extraction, and the computer progresses

24、at the data layer. In the process, computer gradually understand and learn the data and obtain the corresponding knowledge information, that is, Deep Learning is a process of forming a more abstract high-level representation by combining low-level features, and then achieving the goal of optimal fea

25、ture learning. Through the analysis of domestic and foreign literature, it can be found that foreign philosophical research on Deep Learning can be traced back to the 1950s of artificial intelligence philosophy. Deep Learning is a further development of machine learning; domestic research on Deep Le

26、arning has expanded from the computer field itself to the philosophical society in the field of science, it mainly focuses on the philosophical research of artificial intelligence, the comparative analysis of Deep Learning and human intelligence, etc. The research perspective includes epistemology a

27、nd methodology, etc. The research on these aspects is still in the ascendant. Therefore, this article attempts to discuss Deep Learning from the perspective of philosophy of science, from three aspects of epistemology, scientific methodology and ethics.This article sorts out the concepts and periodi

28、cal evolution of learning and Deep Learning. On the basis of dividing Deep Learning models into Supervised Deep Learning models, Unsupervised Deep Learning models and Mixed Deep Learning models, the following perspectives are carried out. The investigation: (1) The perspective of epistemology. Based

29、 on Marxist epistemology, the cognitive subject, cognitive object and cognitive tools of Deep Learning are analyzed, and it is believed that although Deep Learning expands the scope and number of cognitive objects and makes the cognitive objects appear in the form of virtualization, it cannot Making

30、 machines replace humans as the new subject of recognition, but only enlarges and extends the cognitive function of humans, and becomes an important tool fbr humans to understand the world. Deep Learning makes data the main source of knowledge and improves the status of verbal knowledge, but at pres

31、ent it seems that computer data and data processing are very different from human conscious activities. (2) Discussion on the scientific methodology of Deep Learning It is believed that Deep Learning has brought new content and special expressions to scientific methods such as inductive reasoning, d

32、eductive reasoning, and system analysis. (3) Ethical reflection on deep learning. The problems of privacy invasion, data alienation, employment safety issues and physiological ethics that may be brought about by Deep Learning and big data processing are combed, inspected and analyzed, and it is prop

33、osed that people- oriented can effectively deal with these problems.Keywords: Deep Learning; Epistemology; Scientific Methodology; Ethical Dilemma第一章緒論1.1研究背景及意義2017年7月，國(guó)務(wù)院發(fā)布了新一代人工智能發(fā)展規(guī)劃的通知，通知指 出，人工智能經(jīng)過(guò)60多年的發(fā)展，伴隨著新技術(shù)和社會(huì)經(jīng)濟(jì)發(fā)展的刺激，人工 智能在21世紀(jì)再次得到了快速發(fā)展。通知對(duì)人工智能發(fā)展的戰(zhàn)略態(tài)勢(shì)、總體要 求、重點(diǎn)任務(wù)、資源配置、保障措施、組織實(shí)施等都做出了相關(guān)的規(guī)劃。人工

34、智 能能夠再次得到發(fā)展，與足夠海量的數(shù)據(jù)、強(qiáng)大的計(jì)算資源以及先進(jìn)的算法密不 可分。因此，新一代人工智能的發(fā)展出現(xiàn)的一個(gè)重要特征就是：基于大數(shù)據(jù)的深 度學(xué)習(xí)。1.1.1研究背景2016年3月，由谷歌旗下DeepMind公司研發(fā)的AlphaGo第一次與人類， 也就是世界圍棋冠軍、職業(yè)圍棋九段高手李世石進(jìn)行正式的面對(duì)面公開較量。 AlphaGo與李世石的公開較量吸引了全世界的關(guān)注，一共進(jìn)行了五天，比賽的頻 率是每天一局。社會(huì)各界都在討論人與機(jī)器公開進(jìn)行比賽，最終誰(shuí)是勝利者？各 種聲音在各大門戶網(wǎng)站接踵而至。雖然李世石中間贏了一盤，但是，最終AlphaGo 以4比1的總比分獲勝。在這一刻，人類終于感受

35、到了人工智能的強(qiáng)大力量。人 與機(jī)器的較量，以機(jī)器的勝利而告終，人在機(jī)器面前不得不認(rèn)輸。有的人認(rèn)為是 李世石故意輸給AlphaGo,但是又希望有機(jī)會(huì)可以親自體驗(yàn)與AlphaGo下棋，以 證明人與機(jī)器誰(shuí)強(qiáng)誰(shuí)弱。從2016年底到2017年初，AlphaGo又以Master的身 份，在網(wǎng)絡(luò)上與各大圍棋高手進(jìn)行60場(chǎng)的圍棋比賽，AlphaGo一局未輸，并且 競(jìng)技水平又上升了新的高度。原來(lái)AlphaGo在這個(gè)過(guò)程中，不斷地進(jìn)行了 “學(xué) 習(xí)”和訓(xùn)練，從而提高了競(jìng)技能力。2017年5月，AlphaGo又與柯潔展開了較 量，最后柯潔以0比3輸給了 AlphaGo。至此，AlphaGo的圍棋競(jìng)技水平巳經(jīng)達(dá) 到頂尖

36、，超過(guò)了人類任何一個(gè)圍棋手。人機(jī)大戰(zhàn)，以機(jī)器的勝利而告終。計(jì)算機(jī)在圍棋上取勝之前，其實(shí)已經(jīng)在國(guó)際象棋上贏了人類。圍棋是人類發(fā) 明的一種游戲，卻被人類發(fā)明的人工智能程序所打敗。人工智能下圍棋贏了人類, 說(shuō)明了什么？毫無(wú)疑問(wèn)，人工智能已經(jīng)發(fā)展到了一個(gè)新的階段，人工智能與人類 智能開始出現(xiàn)分庭抗禮的局面，人工智能到底會(huì)不會(huì)超越人類智能，人類必須重 新審視這個(gè)問(wèn)題。人工智能程序AlphaGo可以戰(zhàn)勝人類圍棋高手，與其背后采用 的深度學(xué)習(xí)技術(shù)密不可分，AlphaGo從海量的圍棋數(shù)據(jù)中不斷訓(xùn)練、嘗試，從而 “學(xué)習(xí)”如何下棋。AlphaGo “學(xué)習(xí)”下棋的時(shí)間長(zhǎng)、成本高，其原理主要有兩 個(gè)：一是建立深度神經(jīng)

37、網(wǎng)絡(luò)構(gòu)造評(píng)估函數(shù)；二是采用了強(qiáng)化學(xué)習(xí)作為基本的學(xué)習(xí) 模型，即AlphaGo在與人甚至是機(jī)器的實(shí)踐中學(xué)習(xí)了下棋。1.1.2研究意義人工智能的發(fā)展歷程并非是一帆風(fēng)順的，期間經(jīng)歷了興起、繁榮、低迷、復(fù) 興的不同階段。以人工智能程序AlphaGo戰(zhàn)勝世界圍棋冠軍李世石為標(biāo)志，人們 重新認(rèn)識(shí)了人工智能的價(jià)值，人工智能開始成為政府、產(chǎn)業(yè)界、科研機(jī)構(gòu)以及消 費(fèi)市場(chǎng)追捧的對(duì)象。當(dāng)前，世界各國(guó)尤其是發(fā)達(dá)國(guó)家都在積極地推動(dòng)人工智能的 發(fā)展，并將其上升為國(guó)家戰(zhàn)略計(jì)劃。第三次人工智能的發(fā)展，與多種因素的快速 發(fā)展密不可分，例如強(qiáng)大的計(jì)算能力、巨量的數(shù)據(jù)、豐富的計(jì)算資源等等。人工 智能現(xiàn)已在各個(gè)領(lǐng)域取得了快速的發(fā)展，人

38、工智能技術(shù)應(yīng)用于社會(huì)生活的各個(gè)方 面，例如機(jī)器翻譯、游戲問(wèn)答、閱讀理解和圖像識(shí)別等領(lǐng)域，這些都極大地方便 了人們的生活，并促進(jìn)人類生產(chǎn)和社會(huì)實(shí)踐的發(fā)展。我們應(yīng)該看到，一方面,人工智能異?；馃?；另一方面大眾和專業(yè)人士之間、 技術(shù)研發(fā)人員和社科研究人員之間，在對(duì)人工智能的深度學(xué)習(xí)的認(rèn)知上存在分歧, 所討論的深度學(xué)習(xí)其實(shí)并非同一概念，這樣既無(wú)助于人工智能的發(fā)展，也不利于 討論人工智能帶來(lái)的真正社會(huì)影響。全面分析研究人工智能，并非一篇碩士論文 可以完成，但是對(duì)人工智能的深度學(xué)習(xí)進(jìn)行科學(xué)哲學(xué)分析，可以使人工智能在21 世紀(jì)再次發(fā)展的原因更加明晰：（1）深度學(xué)習(xí)的具體定義是什么？深度學(xué)習(xí)與人 類的認(rèn)識(shí)的本

39、質(zhì)有何異同點(diǎn)？ （2）無(wú)論機(jī)器人是否在現(xiàn)實(shí)世界幫助我們，人工 智能已經(jīng)不可辯駁地日益成為我們生活的一部分。如果機(jī)器的確擁有學(xué)習(xí)能力， 那么機(jī)器的學(xué)習(xí)能力會(huì)超過(guò)人類嗎？當(dāng)奇點(diǎn)來(lái)臨，機(jī)器人具備了深度學(xué)習(xí)的能力 之后，人類將何去何從，人類是否會(huì)被機(jī)器取代？（3）機(jī)器有了人的學(xué)習(xí)能力， 在生產(chǎn)力方面，是回歸還是告別，機(jī)器人能否完全取代人類進(jìn)行生產(chǎn)？人類是否 會(huì)失業(yè)？針對(duì)這些問(wèn)題，需要從不同的方面進(jìn)行思考。深度學(xué)習(xí)屬于人工智能的分支 之一，隸屬于計(jì)算機(jī)科學(xué)。但是，對(duì)深度學(xué)習(xí)進(jìn)行科學(xué)哲學(xué)反思，研究深度學(xué)習(xí) 與人類學(xué)習(xí)、人類智能的異同點(diǎn)，這是一種跨學(xué)科的討論方式，屬于認(rèn)識(shí)論的討 論范疇，有利于理順深度學(xué)習(xí)與

40、人的認(rèn)識(shí)之間的相互關(guān)系。因此，鑒于深度學(xué)習(xí)是人工智能研究中前沿的領(lǐng)域，本文以人工智能的深度 學(xué)習(xí)技術(shù)為研究對(duì)象，探究深度學(xué)習(xí)在人工智能領(lǐng)域的發(fā)展。論文的價(jià)值主要體 現(xiàn)為：一是與時(shí)代的發(fā)展緊密相連，關(guān)注學(xué)術(shù)的最前端，具有較強(qiáng)的時(shí)代性；二 是深度學(xué)習(xí)不僅涉及計(jì)算機(jī)技術(shù)的問(wèn)題，也涉及哲學(xué)的問(wèn)題。對(duì)深度學(xué)習(xí)的學(xué)習(xí) 機(jī)制進(jìn)行初探，可以使人們更加深刻地理解人工智能技術(shù)的發(fā)展。1.2國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)外關(guān)于人工智能哲學(xué)的研究由來(lái)已久，人工智能的全方位研究已經(jīng)展開。 人工智能的內(nèi)涵與概念涉及到不同的學(xué)科，例如計(jì)算機(jī)科學(xué)、腦神經(jīng)科學(xué)、社會(huì) 科學(xué)等相關(guān)領(lǐng)域，關(guān)于人工智能的哲學(xué)研究更是汗牛充棟。人工智能研究起源于

41、20世紀(jì)50年代，20世紀(jì)60年代末很快消退下去，20世紀(jì)80年代由于計(jì)算機(jī) 的發(fā)展又再度掀起熱潮。進(jìn)入21世紀(jì)，隨著深度學(xué)習(xí)、人機(jī)交互、識(shí)別技術(shù)的 發(fā)展，人工智能浪潮再次爆發(fā)。因此，對(duì)深度學(xué)習(xí)技術(shù)發(fā)展的研究，首先要立足 于對(duì)人工智能哲學(xué)進(jìn)行分析。當(dāng)前，國(guó)內(nèi)外關(guān)于人工智能的哲學(xué)研究主要可以從 以下方面進(jìn)行分析。1.2.1國(guó)外研究現(xiàn)狀國(guó)外關(guān)于人工智能哲學(xué)的研究主要體現(xiàn)在各個(gè)不同的計(jì)算科學(xué)家和哲學(xué)家 的研究中，人工智能哲學(xué)研究相關(guān)著述主要體現(xiàn)在以下方面。基礎(chǔ)研究階段，圖靈、塞爾等人開啟了研究人工智能的先河。1950年，英國(guó) 著名數(shù)學(xué)家和邏輯學(xué)家阿蘭-麥席森-圖靈在心靈雜志上發(fā)表了計(jì)算機(jī)器 與智能一

42、文，在文中圖靈寫道“機(jī)器能夠思維嗎”，第一次提出了“機(jī)器思維”的 概念，并且針對(duì)可能遇到的問(wèn)題進(jìn)行了解答。同時(shí)提出了 “圖靈測(cè)試”：人與計(jì) 算機(jī)都互相不接觸，如果在很長(zhǎng)的時(shí)間內(nèi)都無(wú)法判定對(duì)方是機(jī)器還是人，則可以 認(rèn)為這臺(tái)機(jī)器是有思維的，與人一樣具有相同的思考的能力，即智力。圖靈測(cè)試 自從提出以來(lái)，受到了世界各國(guó)專家的熱烈討論，圍繞著圖靈測(cè)試而展開的問(wèn)題 更是不計(jì)其數(shù)，此后計(jì)算機(jī)科學(xué)和哲學(xué)的結(jié)合受到追捧。圖靈測(cè)試所引發(fā)的問(wèn)題 已經(jīng)超過(guò)計(jì)算機(jī)科學(xué)本身，此后學(xué)者從心理學(xué)和社會(huì)學(xué)的角度等都對(duì)圖靈測(cè)試進(jìn) 行了研究。1980年，塞爾發(fā)表了心靈、大腦與程序一文，并在文中提出“中文屋論 證”。塞爾認(rèn)為在心理學(xué)

43、中，基于計(jì)算的計(jì)算機(jī)理論是沒(méi)有價(jià)值的。他做出的兩 個(gè)主要論斷是：計(jì)算理論因其本質(zhì)上是純形式的，所以根本不可能有助于我們理 解心理過(guò)程；同時(shí)，計(jì)算機(jī)硬件也不同于神經(jīng)蛋白，顯然缺乏生成心理過(guò)程所需 要的恰當(dāng)?shù)囊蚬芰ΑＲ簿褪钦f(shuō)，計(jì)算理論是一種沒(méi)有意義的判斷，僅僅停留瑪格麗特博登著；劉西瑞，王漢琦譯.人工智能哲學(xué)M.上海：上海譯文出版社,2001： 121. 在形式上，形式表達(dá)的內(nèi)容并不能真正表達(dá)出實(shí)質(zhì)的意義。因此，塞爾認(rèn)為，即 使計(jì)算機(jī)通過(guò)了圖靈測(cè)試，實(shí)際上還是沒(méi)有準(zhǔn)確理解人類所提出的問(wèn)題，也沒(méi)有 理解其中的含義。關(guān)于“中文屋論證”相關(guān)討論，直到現(xiàn)在也沒(méi)有達(dá)成一致的看 法。德雷福斯認(rèn)為，雖然計(jì)算機(jī)

44、可以根據(jù)人的大腦的部分結(jié)構(gòu)，在對(duì)大腦進(jìn)行分 析處理后，仿造大腦的一些思想。然而，這種模仿只是一種生硬的模擬，沒(méi)有形 成意向性。德雷福斯認(rèn)為，是否要在新的基礎(chǔ)上創(chuàng)造新的心靈系統(tǒng)，還是建立大 腦模型，依然是人工智能的一個(gè)未能回答的問(wèn)題，也是人工智能的分歧點(diǎn)所在。維特根斯坦作為20世紀(jì)偉大的哲學(xué)家，其主要思想體現(xiàn)在著作邏輯哲學(xué) 論中。雖然維特根斯坦并沒(méi)有對(duì)人工智能進(jìn)行直接的研究，但是維特根斯坦的 邏輯哲學(xué)思想和日常語(yǔ)言哲學(xué)思想對(duì)人工智能的發(fā)展產(chǎn)生了重要的影響。后來(lái)的 學(xué)者以維特根斯坦的日常語(yǔ)言哲學(xué)思想為立足點(diǎn)，進(jìn)行了一系列的反人工智能哲 學(xué)研究。哥德爾也是人工智能哲學(xué)的奠基者之一，他提出不完備性定理

45、。從哥德爾不 完備性定理可以看出，任何一個(gè)完整的有效的形式系統(tǒng)，都會(huì)存在不可調(diào)和的固 有的矛盾，既不能被證偽，也不能被證明具有合理性。因此，人工智能系統(tǒng)也同 樣存在不可調(diào)和的矛盾，學(xué)者根據(jù)此定理對(duì)人工智能的可能缺陷進(jìn)行了分析。1.2.2國(guó)內(nèi)研究現(xiàn)狀我國(guó)人工智能哲學(xué)的研究起步時(shí)間較早，及的學(xué)科范圍廣，研究的角度多樣。 深度學(xué)習(xí)與海量的數(shù)據(jù)、強(qiáng)大的計(jì)算資源以及先進(jìn)的算法的發(fā)展緊密相連。我國(guó) 學(xué)者關(guān)于深度學(xué)習(xí)的相關(guān)研究可以從以下方面進(jìn)行分析。1.關(guān)于人工智能哲學(xué)的相關(guān)著述認(rèn)識(shí)論角度。陳步（1978）從人腦的模擬方法和模擬對(duì)象兩個(gè)方面對(duì)人工智 能的哲學(xué)問(wèn)題率先進(jìn)行了分析，認(rèn)為關(guān)于人腦的模仿具有二重性，

46、分析了模擬的 界限。周昌樂(lè)（2011）認(rèn)為可以把機(jī)器意識(shí)進(jìn)行了五種分類，并對(duì)意識(shí)的運(yùn)行 機(jī)制進(jìn)行框架說(shuō)明，物質(zhì)運(yùn)動(dòng)、生理運(yùn)動(dòng)、神經(jīng)活動(dòng)、意識(shí)活動(dòng)和意向活動(dòng)是一 個(gè)相互聯(lián)系的整體，指出并非所有的神經(jīng)活動(dòng)具有意識(shí)，也不是所有的意識(shí)都可 以清晰地表現(xiàn)出意向性。李國(guó)山（2018）認(rèn)為可以借助維特根斯坦的“錘子比 喻”來(lái)論證“有意識(shí)的思想”與“無(wú)意識(shí)的思想”兩個(gè)術(shù)語(yǔ)之間的關(guān)系，進(jìn)而論陳步.人工智能問(wèn)題的哲學(xué)探討J.哲學(xué)研究,1978（11）:22-31.周昌樂(lè)，劉江偉.機(jī)器能否擁有意識(shí)機(jī)器意識(shí)研究及其意向性分析J.廈門大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué) 版）,2011（01）:1-8+21.證“人工智能”與“人類智

47、能”兩個(gè)術(shù)語(yǔ)之間的關(guān)系。鄭祥福(2005)認(rèn)為人工 智能的四大哲學(xué)問(wèn)題是關(guān)于人的意向性問(wèn)題、概念框架問(wèn)題、語(yǔ)境問(wèn)題和日?；?認(rèn)識(shí)問(wèn)題，并針對(duì)這些問(wèn)題提出可行的解決思路。高新民(2009)認(rèn)為人類應(yīng) 該向大自然學(xué)習(xí)，分析大自然對(duì)人類智能產(chǎn)生影響的過(guò)程和機(jī)制。王禮鑫(2018) 在吸收馬克思主義新認(rèn)識(shí)論，即默會(huì)知識(shí)的基礎(chǔ)上，分析了人工智能對(duì)人類文明 的影響。從前人的研究中可以看出，我國(guó)學(xué)者從認(rèn)識(shí)論的角度對(duì)人工智能進(jìn)行 分析的角度多樣，其中意向性問(wèn)題是研究的主要對(duì)象。方法論角度。鐘義信(2017)提出了兩種方法論，分別是機(jī)械還原方法論和 信息生態(tài)方法論，認(rèn)為可以變革和創(chuàng)新人工智能研究的科學(xué)方法論，在

48、源頭上實(shí) 現(xiàn)人工智能基礎(chǔ)理論的突破、超越與引領(lǐng)。成素梅(2017)認(rèn)為只有將人工智 能的研究范式，即符號(hào)主義、聯(lián)結(jié)主義、行為主義三種研究范式結(jié)合起來(lái)，才能 構(gòu)成一個(gè)立體而完整的“大腦”，即人工智能。朱晶(2018)從復(fù)雜性哲學(xué)的視 角出發(fā)，分析了人工智能醫(yī)學(xué)在方法論和認(rèn)識(shí)論上的優(yōu)勢(shì)和問(wèn)題。李蒙(2008) 從歸納邏輯的視角分析了人工智能的哲學(xué)思想，認(rèn)為應(yīng)該從原則和經(jīng)驗(yàn)兩個(gè)層次 來(lái)看待將大腦思維模擬為數(shù)字計(jì)算機(jī)的思想。魏屹東(2013)分析了 “中文屋 論證”失敗的原因，一是塞爾對(duì)于計(jì)算機(jī)概念的界定并不能令學(xué)者們信服；二是 “中文屋論證”本身就存在著缺陷，塞爾試圖用“中文屋系統(tǒng)來(lái)隱喻計(jì)算機(jī)系統(tǒng)”

49、 的策略并不奏效，因此“中文屋論證”不僅沒(méi)有駁倒強(qiáng)人工智能，反而為“計(jì)算 機(jī)思維”提供了理論。余乃忠(2019)認(rèn)為人工智能以技術(shù)和方法的革命實(shí)現(xiàn) 思維和詩(shī)性的革命，智能置頂開啟了人類反思的二級(jí)范式。主體性角度。陳凡(2017)認(rèn)為人工智能沒(méi)有形成自我意識(shí)，無(wú)法通過(guò)控制李國(guó)山.人工智能與人類智能：兩套概念，兩種語(yǔ)言游戲J.上海師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué) 版),2018,47(04):26-33.鄭祥福.人工智能的四大哲學(xué)問(wèn)題J.科學(xué)技術(shù)與辯證法,2005(05):34-37.高新民，沈?qū)W君.人工智能的瓶頸問(wèn)題與意向性的“建筑術(shù)”J.科學(xué)技術(shù)哲學(xué)研究,2009,26(06):18-24王禮鑫.馬

50、克思主義新認(rèn)識(shí)論與人工智能人工智能不是威脅人類文明的科技之火J.自然辯證法通 訊,2018,40(04):15-19.鐘義信.從“機(jī)械還原方法論到“信息生態(tài)方法論一人工智能理論源頭創(chuàng)新的成功路J.哲學(xué)分 析,2017,8(05):133-144+199.成素梅.人工智能研究的范式轉(zhuǎn)換及其發(fā)展前景J.哲學(xué)動(dòng)態(tài),2017(12):15-21.朱晶.復(fù)雜性哲學(xué)視角下的人工智能醫(yī)學(xué)J.哲學(xué)分析,2018,9(05):27-37+196-197.李蒙.從歸納邏輯視角解讀人工智能的哲學(xué)意蘊(yùn)普特南人工智能思想窺探J.自然辯證法研 究,2008(09):12-16楊小愛(ài)，魏屹東.中文屋論證究竟證明了什么?一一

51、由“中文屋論證”引發(fā)的計(jì)算機(jī)思維問(wèn)題探析J.山西大 學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2013,36(02): 1-6.余乃忠.人工智能、詩(shī)性與哲學(xué)社會(huì)科學(xué)方法論的革命J.中州學(xué)刊,2019(04):117-122. 自我行為把握獨(dú)立的意義和從事人類的實(shí)踐活動(dòng)，因此人工智能不會(huì)獲得主體性 地位。也不會(huì)超越人的存在。程廣云(2019)為了區(qū)分作為工具的智能機(jī)和作 為主體的機(jī)器人，關(guān)于人的定義必須由本質(zhì)主義轉(zhuǎn)向功能主義。陳文捷(2019) 認(rèn)為人工智能只是模擬和強(qiáng)化了人腦的部分機(jī)能，其認(rèn)知和活動(dòng)沒(méi)有主體性，本 質(zhì)是一種人腦的對(duì)象化，沒(méi)有對(duì)人的主體性地位構(gòu)成威脅。此外,黃欣榮(2018) 從馬斯洛需求理論出

52、發(fā)，分析人與機(jī)器處于不同的需求生態(tài)位，人與智能機(jī)器不 會(huì)產(chǎn)生真正意義上的矛盾和沖突，所以智能機(jī)器與人會(huì)和諧相處、互補(bǔ)共生。 從上述研究可以看出，當(dāng)前關(guān)于人工智能的研究可以從認(rèn)識(shí)論、方法論和主 體性等角度進(jìn)行分析。2.關(guān)于深度學(xué)習(xí)的相關(guān)研究深度學(xué)習(xí)最先來(lái)自于對(duì)神經(jīng)網(wǎng)絡(luò)的探索，其發(fā)展受到多種因素的影響，其中 包括神經(jīng)科學(xué)對(duì)人腦結(jié)構(gòu)研究的啟發(fā)。人腦是一個(gè)復(fù)雜的神經(jīng)系統(tǒng)，每個(gè)神經(jīng)元 都是緊密聯(lián)系的整體。20世紀(jì)60年代，提出人工神經(jīng)網(wǎng)絡(luò)，并用來(lái)模擬人的大 腦處理數(shù)據(jù)，類似的最著名的算法就是感知機(jī)。后來(lái)，反向傳播算法(back propagation, BP)得以發(fā)展，這是一種監(jiān)督型的學(xué)習(xí)算法，由信息的

53、正向傳遞和 誤差的反向傳播兩部分組成。到了 21世紀(jì)，由于大數(shù)據(jù)和人工智能技術(shù)的發(fā)展， 掀起了深度學(xué)習(xí)的研究熱潮，深度學(xué)習(xí)成為人工智能領(lǐng)域研究中的重要領(lǐng)域。深度學(xué)習(xí)是科技發(fā)展的必然趨勢(shì)，是一種實(shí)現(xiàn)人工智能的強(qiáng)大技術(shù)，已經(jīng)在 圖像視頻處理、語(yǔ)音處理、自然語(yǔ)言處理等領(lǐng)域取得了大量成功應(yīng)用案例，并對(duì) 學(xué)術(shù)界和工業(yè)界產(chǎn)生了非常廣泛的影響。當(dāng)前，我國(guó)關(guān)于深度學(xué)習(xí)的研究主要體 現(xiàn)在以下方面。技術(shù)領(lǐng)域。百度、阿里巴巴和騰訊等大型公司成為我國(guó)發(fā)展深度學(xué)習(xí)技術(shù)的 主導(dǎo)力量，并投入了大量的研發(fā)力量。百度在2012年就啟動(dòng)了人工智能研究計(jì) 劃，先后推出AI技術(shù)平臺(tái)體系，在人臉識(shí)別、自然語(yǔ)言處理和圖像處理方面發(fā) 揮了

54、重要作用。2016年，百度推出天智平臺(tái)，天智平臺(tái)由多種平臺(tái)組合而成， 包括深度學(xué)習(xí)平臺(tái)、機(jī)器學(xué)習(xí)平臺(tái)和感知平臺(tái)，運(yùn)用于醫(yī)療、金融、零售等各個(gè) 領(lǐng)域。阿里巴巴以阿里云為基礎(chǔ)，將電商支付與人工智能技術(shù)相結(jié)合，刷臉支付、 智能出行等極大地方便了人們的生活。騰訊在人工智能技術(shù)方面也取得了非常不 錯(cuò)的成績(jī)，例如基于強(qiáng)大的深度學(xué)習(xí)算法的微信，極大地改變了我們的生活。陳凡，程海東.人工智能的馬克思主義審視J.思想理論教育,2017(11):17-22.程廣云.從人機(jī)關(guān)系到跨人際主體間關(guān)系人工智能的定義和策略J.自然辯證法通訊,2019,41(01):9-14.陳文捷，解彩霞.人工智能對(duì)人主體性影響的思考J.

55、學(xué)術(shù)論壇,2019,42(03):112-117.黃欣榮.從需求生態(tài)位看智能時(shí)代的人機(jī)關(guān)系J.西南民族大學(xué)學(xué)報(bào)(人文社科版),2018,39(08):36-40.哲學(xué)社會(huì)科學(xué)領(lǐng)域。何靜(2017)首先對(duì)學(xué)習(xí)和深度學(xué)習(xí)的定義進(jìn)行了區(qū)分， 指出深度學(xué)習(xí)和人類學(xué)習(xí)的異同點(diǎn)，深度學(xué)習(xí)與人類學(xué)習(xí)不同，深度學(xué)習(xí)是一種 身體與世界之間的耦合關(guān)系，而人類學(xué)習(xí)需要充分調(diào)動(dòng)人類的遷移能力，深度學(xué) 習(xí)依然存在亟待解決的問(wèn)題，出現(xiàn)這種困境的原因主要在于深度學(xué)習(xí)把人類的學(xué) 習(xí)和智能僅看作是大腦神經(jīng)網(wǎng)絡(luò)的功能。徐英瑾(2019)指出了深度學(xué)習(xí)的實(shí) 質(zhì)，認(rèn)為深度學(xué)習(xí)技術(shù)只是模擬人類在特定的環(huán)境中進(jìn)行特定輸入與輸出之間建 立

56、的映射規(guī)律，但是沒(méi)有很好地理解這種映射規(guī)律的宏觀認(rèn)知架構(gòu)，因此通過(guò)建 立通用人工智能技術(shù)來(lái)保證人類社會(huì)健康發(fā)展的新技術(shù)發(fā)展方向。孫銀黎(2007) 從教育技術(shù)學(xué)的角度，分別從不同的方面對(duì)學(xué)習(xí)、深度學(xué)習(xí)、淺層學(xué)習(xí)進(jìn)行了相 關(guān)概念的界定，指出深度學(xué)習(xí)涉及到不同的方面，具有對(duì)信息的整合、自我導(dǎo)向、 終身學(xué)習(xí)和主動(dòng)、積極學(xué)習(xí)等特征，并對(duì)深度學(xué)習(xí)的實(shí)施措施進(jìn)行案例分析。 張浩(2012)從建構(gòu)主義、情境認(rèn)知理論角度對(duì)深度學(xué)習(xí)進(jìn)行分析，并闡釋了分 布式認(rèn)知理論和元認(rèn)知理論對(duì)深度學(xué)習(xí)引導(dǎo)與調(diào)節(jié)的理論意義。張祥龍(2018) 從深度學(xué)習(xí)和廣義心學(xué)的角度，首先指出數(shù)學(xué)因素是人工智能發(fā)展的哲學(xué)背景， 對(duì)深度學(xué)習(xí)和

57、本心的時(shí)間進(jìn)行了討論，認(rèn)為具有深層意識(shí)(本心)隔膜的人工智 能擁有人的天然情感、道德感、藝術(shù)感和神圣感，從而成為人類的真正知心者、 保護(hù)者和善良的幫助者。關(guān)于深度學(xué)習(xí)的研究不僅涉及到計(jì)算機(jī)領(lǐng)域，也涉及到哲學(xué)社會(huì)科學(xué)領(lǐng)域。 深度學(xué)習(xí)與人類學(xué)習(xí)，既有相通之處，也各有特點(diǎn)。1.3研究框架及研究方法本文首先對(duì)國(guó)內(nèi)外文獻(xiàn)進(jìn)行分析，分別對(duì)人工智能哲學(xué)、深度學(xué)習(xí)進(jìn)行了相 關(guān)論述。在第二章對(duì)學(xué)習(xí)、深度學(xué)習(xí)的概念進(jìn)行界定的基礎(chǔ)上，認(rèn)為深度學(xué)習(xí)可 以分為有監(jiān)督的深度學(xué)習(xí)模型、無(wú)監(jiān)督的深度學(xué)習(xí)模型和混合的深度學(xué)習(xí)模型。 第三章從認(rèn)識(shí)論的角度來(lái)看，基于馬克思主義認(rèn)識(shí)論的視角分別對(duì)深度學(xué)習(xí)的認(rèn) 識(shí)主體、認(rèn)識(shí)客體和認(rèn)識(shí)工

58、具進(jìn)行了分析，認(rèn)為深度學(xué)習(xí)不能取代人類學(xué)習(xí)成為 新的認(rèn)識(shí)主體，擴(kuò)大了認(rèn)識(shí)客體的范圍和數(shù)量并使認(rèn)識(shí)客體以虛擬化的形式出現(xiàn), 在認(rèn)識(shí)工具上深度學(xué)習(xí)只是放大并延伸了人類的認(rèn)識(shí)功能，成為人類認(rèn)識(shí)世界的何靜.人類學(xué)習(xí)與深度學(xué)習(xí):當(dāng)人腦遇上人工智能J.西南民族大學(xué)學(xué)報(bào)(人文社科版),2017,38(12):84-88.徐英瑾.試論深度學(xué)習(xí)技術(shù)對(duì)人類社會(huì)持續(xù)發(fā)展所造成的風(fēng)險(xiǎn)J.當(dāng)代美國(guó)評(píng)論,2019,3(01):3-23+119.孫銀黎.對(duì)深度學(xué)習(xí)的認(rèn)識(shí)J.紹興文理學(xué)院學(xué)報(bào)(教育版),2007(01):34-36吳秀娟，張浩，倪廠清.基于反思的深度學(xué)習(xí):內(nèi)涵與過(guò)程J.電化教育研究,2014,35(12):2

59、3-28+33.張祥龍.人工智能與廣義心學(xué)深度學(xué)習(xí)和本心的時(shí)間含義芻議J.哲學(xué)動(dòng)態(tài),2018(04):13-22. 重要工具。深度學(xué)習(xí)與意識(shí)的可能性問(wèn)題仍然是一個(gè)懸而未決的問(wèn)題，“數(shù)據(jù)” 成為知識(shí)的主要來(lái)源，并使言傳性知識(shí)的地位得以提高。第四章對(duì)深度學(xué)習(xí)涉及 的歸納推理、演繹推理和系統(tǒng)分析等科學(xué)方法論問(wèn)題進(jìn)行了較為具體的分析。第 五章則是深度學(xué)習(xí)的倫理學(xué)反思。對(duì)深度學(xué)習(xí)與大數(shù)據(jù)處理可能帶來(lái)的侵犯隱私、 數(shù)據(jù)異化、就業(yè)問(wèn)題和生理倫理等方面的問(wèn)題進(jìn)行了梳理、考察和分析，提出“以 人為本”才能有效應(yīng)對(duì)這些方面的問(wèn)題。論文的研究方法可以從以下方面進(jìn)行分析。第一，概念分析法。深度學(xué)習(xí)涉及的范圍和領(lǐng)域極其

60、廣泛，作為人工智能智 能的發(fā)展領(lǐng)域之一，基于海量數(shù)據(jù)的深度學(xué)習(xí)理當(dāng)引起學(xué)術(shù)界的關(guān)注。論文基于 概念分析的方法，分別對(duì)學(xué)習(xí)、深度學(xué)習(xí)的概念及其演化進(jìn)行了相關(guān)界定和梳理， 并對(duì)論文后續(xù)部分的相關(guān)概念都進(jìn)行了分析，以保證論文的精確性。第二，文獻(xiàn)分析法。任何一篇論文都是在前人的基礎(chǔ)上進(jìn)行探索和分析。通 過(guò)對(duì)人工智能哲學(xué)和深度學(xué)習(xí)進(jìn)行文獻(xiàn)綜述，可以發(fā)現(xiàn)，人工智能哲學(xué)的研究由 來(lái)巳久，深度學(xué)習(xí)在產(chǎn)業(yè)界和學(xué)術(shù)界都得到了快速的發(fā)展。第三，邏輯分析法。通過(guò)分析深度學(xué)習(xí)定義、發(fā)展歷程和本質(zhì)等，從認(rèn)識(shí)論 和科學(xué)方法論的角度，對(duì)深度學(xué)習(xí)進(jìn)行哲學(xué)分析，并在行文最后進(jìn)行倫理學(xué)反思。1.4創(chuàng)新點(diǎn)與不足論文主題主要圍繞著深度