一作是德国图宾根大学的博士生Robert Geirhos。

摘要：

深度学习引发了人工智能最新一次兴起，也是当今机器智能的主力。许多成功的故事已迅速传播到科学、工业和社会，但其局限性直到最近才成为人们关注的焦点。本文试图探究有多少深度学习问题可以看作是同一基本问题（捷径学习）的不同症状。捷径学习是在标准基准上表现良好的决策规则，但无法转移到更具挑战性的测试条件（例如实际场景）中。相关问题在比较心理学、教育学和语言学领域是已知的，这表明捷径学习可能是生物学和人工学习系统的共同特征。基于这些观察，我们针对模型解释和基准测试提出了一系列建议，重点介绍了机器学习的最新进展，以提高从实验室到实际应用的鲁棒性和可移植性。 （基于Google Translate修改）

内容中包含的图片若涉及版权问题，请及时与我们联系删除