向山生物神經網絡之中，一部分自主放電的中層神經元，會與產生這個“伸手”這個念頭的神經元，以及將之囊虧在一起的內功神京回路一起，形成混雜的“預測式編碼結構”。
這是大腦的一個固有機制。
大腦依靠神經元網絡層層抽取抽象概念、特征來進行識別。“深度學習”就是模擬這一過程，利用一層層的計算機編碼，抽取輸入信息的特征，進行單獨的識別，并進行復雜的模擬計算，并最終給出結果。其中的“深度”，便是指“模擬神經網絡的層數”——輸入層與最終輸出層之間、模擬層層抽取特征的神經元網絡的“隱藏層”。層數越多，計算的深度也越深。所以越是復雜的選擇問題，越需要深度的層次多。
21世紀初所出現的超級圍棋計算機lpgo，其策略網絡是13層，每一層的神經元數量為192個。
人類在辨識、思考的時候，一部分自主放電的中層神經元，就可以與輸入神經元形成“預測編碼結構”，在輸入信息符合“預期”的時候，可以跳過“調集大量神經元對外來信息進行加工”的過程。
內容未完，下一頁繼續閱讀