marrying causality and association with visual learning--cuipeng

探索新的学习机制，使学习更高效
AI2.0：可解释性，更strong，通用.
类脑学习，进展没那么快，制约记住路径发展。
另一条路：human-like learning ：
top-down=>new AI algo
1.因果学习，学的时候问为什么
2.不是凭空学的，视图去联想，已经知道的，learn by association
3.靠想象
目前机器学习不具备人的这些特征，差别挺大。
DeepLearning什么问题解不了，解不好？
1.training 和 testing 同分布（没见过在水里的狗，testing data超出了 training data 的范围）
人在学的是目标核心的内部特征（狗内部）而不是关联特征（环境也当成狗）
2.inept learning way
learning to learn new concepts
认识狗之后，3张就可以识别狼。
认识狗，之后learn by association。有了狗的，通过狗的学习出狼的。
learn to learn

cauralation

causal xt = y

shallow ==deep DGBR
association:
save 4/5 learning sample