有原地址吗？我不懂，我想围观看看

深度学习的模型就是灰箱，不是说弄不懂，但你要为此耗费惊人的努力

某人制造了一个苹果落地的模型，但他仍然不知道苹果为什么会落地

不太懂，个人猜测，如果给ai输入足够多的科学知识去模拟现实，然后ai在这个模拟的现实中进行数万次数亿次的实验得出了一个成果，人类要去反推过程会非常费时费力。

你以为除了举穷和限定范围的举穷以外还能有别的？

深度学习约等于一个黑箱，人类只能输入初始值，得到结果值，无法知道过程

AI是二进制，人脑是十进制，从开始运算逻辑就不同了
AI可以以秒为单位不停计算，人脑需要八成的神经去维持身体器官的运作，不可能全部用于计算，而AI可以它被设计出来就是全部为了计算
所以同样的计算结果人脑会比AI慢几百甚至几万倍
所以人不可能知道AI的计算过程，因为人脑不支持这种量级计算

按我简单了解的，神经网络是多层多节点按照一个随机的值运算的，最后训练出来一套特定的参数，这个参数是没有任何意义的，只是能得出结果，其中不包含原理。简单来说就是电脑不是思考出的答案，而是试出来的

最近在看人工智能全传，就我的理解，原因是ai学习的方法太诡异，它学到新东西新技巧的方式就是不停的试，结果好的就采用，不好的下次就不往这方向走，毕竟深度学习的ai玩游戏都完全不理解内容，只根据画面和得分来“学习”，所以人暂时解析不了

简单了解过一点，所以不清楚自己说的对不对，很可能不对所以看个乐子吧
ai是你设计好一个模型（可以简单理解为函数）后，把一堆数据（可以简单理解为数点）扔进去测试到成功（用拟合的函数预测新的点，这个点一般测试时会给已知的，想像成用已知的抗生素给ai测试它能不能自己学习研究出这些抗生素），成功后ai就自己玩自己了（收集更多的数据，进行更多次学习和迭代）。
我猜测：这个研究抗生素的ai，它在经过一些已知抗生素的学习和测试达到比较高准确率之后，再进行新的抗生素的自我学习和开发的，至于这个过程可能是因为这个模型本身或者模型详细的参数它不公开；或者是因为每次学习过程太大了（范围、耗时等）了，从已知信息一层一层找到目标信息的过程需要不断试错，跑了一个月两个月甚至更长时间才能跑出比较合适的方案，这个过程可能包含上千上万种不合适的路径，量太大无法描述。再有可能它选择的是一种略微偏移已知抗生素研发的过程，给人不靠谱的感觉等等。
个人感觉如果非开源，很可能是模型不愿意公开甚至具体参数不愿意公开导致过程不可见。如果开源，可能是学习过程过大无法靠人难以比较概括性地总结。应该还有其他情况我可能还没想到，先咕咕惹_(:з」∠)_