想象一下人工智能在未来的应用：家庭服务机器人、遍布每个房间的亚马逊EchoDot、快递无人机和家庭医疗诊断助手，这都是未来的美好景象。华丽的消费产品往往会捕获人们的眼光，但计算机背后的深层领域——软件开发的方式——却鲜有人 我们考虑通过仅观察输入-输出来学习算法任务。而不是把它作为一个在输入-输出映射上没有任何假设的黑盒离散回归问题（black-boxdiscreteregressionproblem）。我们集中于服从分治算法的原则（principleofdivideandconquer）的任务，并研究它在学习方面的影响。这个原则通过学习两个尺度不变的原子运算符：如何将给定的输入拆分（split）为两个不相交的集合和如何将两个部分求解的任务融合（merge）成一个较大的部分解来创建了一个强大的归纳偏差（inductivebias），它是我们利用递归定义的神经结构进行开发的。尺度不变性（scaleinvariance）创建了可以在该架构的所有阶段共享的参数，并且动态设计创建了其复杂性在可微分的形式下可以进行调谐的架构。
因此，我们的模型通过反向传播进行训练，不仅可以通过执行更浅的计算图（白癜风趁早治疗白癜风医院西宁哪家好