本文已参与「新人创作礼」活动，一起开启掘金创作之路。
元学习
在学习的过程中，归纳学习本身的方法，比如梯度下降怎么走？神经网络结构要几层？
网络结构搜索
神经网络结构的优化问题，固定模型参数或结构参数的一者，然后调整另一者。
随机神经网络结构
随机生成网络，然后构造成神经网络，发现实现的能力和精心构造的结构是差不多的，说明神经网络的连接方式和能力没有什么关系，只要足够复杂即可，神奇
辨别模型：
从一个复杂的x到一个简单的y
生成模型：
简单x到复杂y。构成一个生成和辨别的博弈，两者之间开始博弈对抗，a生成，但是很差，b认为其不行，ab相互进步，b也能再最后加强对生成的判断
强化学习：
学习的过程和环境的一种交互，动作会改变环境（围棋下棋），环境会给动作一个回报（围棋的输赢）
无监督学习往往能够学到更多关于数据的信息、表示
好多时候都是先做无监督，然后再去做下游的有监督算法
对比学习：
让一个模型区别出来同一个照片已有是生成的还是真的
先对很多张照片做增强（加噪音），做无监督比较，再做有监督。
数据增强主要作用：
1.加大了数据量
2.让模型在上游是被迫建立起图像与其变形的之间的关系，使得其更具有广泛性
对抗训练：
故意让数据里有错，自己出生对抗样本，让模型自己去训练，使其对对抗样本有免疫力
数据定价：
分布式的方法建立模型，我把数据给你训练获得收益，怎么给我的数据定价？
shapley公式，多方合作过程中贡献度评价问题：
一个人的贡献取决于有我和没我的区别
不是模型算法本身，而是背后的思想比较重要！
也要关注未来人工智能对社会的风险，人工智能会让世界更加两极分化，贫富差距不均衡
作业课：
神经网络中的神经元个数是随便的，多少都可以
