在家辅导孩子功课，乐理教材第一页就写到了音的四种性质：音高、音程、音强、音色，联想到绘画（基础——素描）教材 Successful Drawing 中介绍的，“We learn to distinguish one appearance from another, in size or proportion, in color, and in texture.” 简单说来，图像区分是通过大小/比例、颜色、材质，这个是绘画大师的总结，也可以说是代表人的智能对于图像的识别甚至洞察。在目前机器学习的图像识别方面，通过训练获得的洞察是什么，有没有透视的概念？
其实最近在了解人工智能过程中整体感觉下来，人类和机器主要的差别是人类可以利用多模型优化认知，在无法通过大量运算训练的条件下，可以取得更好的效果，也可以说是效率更高（这一点在AlphaGo上体现的比较明显）。机器的算法从维度上来说还是相对单一，有点类似一招鲜，通过训练量（计算）来弥补。一个小孩子认识狗，估计是通过图片、视频（通过媒介和亲眼所见）、听、触摸，无需通过成千上万次的训练即可以分辨出狗，但这个准确度跟动物学家的理性认知肯定还是有很大差距，这个差距就是训练量和训练过程中的抽象总结。而机器学习在认知动物方面是要达到什么水平，小孩子还是动物学家？
今天看的YouTube上分享的UCSF免疫系的Journal Club，特意又感受了一下YouTube上的字幕，公共英语识别应该达到很高的准确率了，但是对于医学专有名词的识别问题还是非常大。医学领域里面有类似SNOMED这么成熟的词表系统，为什么不能整合呢，如果要做医疗知识图谱的话，（可获取的）医疗资料的量可能不比网上可以抓的公共语言语料数量，直接靠训练得出机器对专业领域的认知应该困难很大吧。如何借鉴人的智能提升机器学习的效率？在教育孩子时也在观察和反思人的思维形成，或许对未来在人工智能方面的学习有帮助。