[論文レビュー] Deep Learning: A Critical Appraisal

Gary Marcus|arXiv (Cornell University)|Jan 2, 2018

Domain Adaptation and Few-Shot Learning参考文献 56被引用数 387

ひとこと要約

本論文は深層学習を批評し、十の懸念を列挙し、人工知能一般知能（AGI）を達成するには深層学習を他の技術で補う必要があると主張する。

ABSTRACT

Although deep learning has historical roots going back decades, neither the term "deep learning" nor the approach was popular just over five years ago, when the field was reignited by papers such as Krizhevsky, Sutskever and Hinton's now classic (2012) deep network model of Imagenet. What has the field discovered in the five subsequent years? Against a background of considerable progress in areas such as speech recognition, image recognition, and game playing, and considerable enthusiasm in the popular press, I present ten concerns for deep learning, and suggest that deep learning must be supplemented by other techniques if we are to reach artificial general intelligence.

研究の動機と目的

• 再興以来の深層学習の急速な進展に対する批判的検討を促す。
• 深層学習の根本的な限界と懸念を特定し、明確にする。
• 人工知能（AGI）へ向かうために、代替的または補完的な技術の統合を主張する。

提案手法

• 深層学習に関する十の懸念を列挙して、体系的な批評を提示する。
• 各懸念を説明する根拠のある論拠と例を示す。
• 深層学習と補完的なAI手法を結合したハイブリッドアプローチを提唱する。

実験結果

リサーチクエスチョン

• RQ1 深層学習の現在の推移に関する主な懸念は何か？
• RQ2 深層学習だけで人工知能一般知能を実現できるのか、それとも他の技術の補完が必要か？

主な発見

• 深層学習は複数の分野で進展を遂げたが、能力を制限する顕著な懸念に直面している。
• 本論文は、人工知能一般知能へ向けて進むには補完的な技術が必要であると主張する。
• 批評は、標準的な深層学習の実践を超えるより広い方法論的多様性の必要性を強調している。