分析如下：
● 从原始信号被摄入开始—瞳孔摄入像素。
● 接着做初步处理—大脑皮层某些细胞发现边缘和方向。
● 然后抽象—大脑判定眼前的物体的形状是人形的，有基本的五官特征。
● 最后进一步抽象—大脑进一步判定该物体是人脸，确定具体是哪一位朋友。
20 世纪 50 年代的这个神经生理学的发现，促成了计算机人工智能在半个世纪后（2006 年）的突破性进展。现代科学已经基本确定了人的视觉系统的信息处理的确是分级的，从最低层像素提取边缘特征，到稍高层次的形状或者目标的部分等，再到更高层的整体目标，以及目标的行为和其他特征的联想等。换句话说，高层的特征是低层特征的组合、提炼，从低层到高层的特征表示越来越抽象，且越来越能表现出认知的意图。抽象层面越高，存在的可能猜测就越少，就越利于分类。其实不仅仅是图像的模式识别，人类大部分的认知都很符合这样的规律，譬如语言，单词集合和句子的对应是多对一的，句子和语义的对应又是多对一的，语义和意图的对应还是多对一的，这也是一个层级体系。敏感的读者也许已经猜到人类认知过程与深度学习之间可能存在的共通点了，即“分层迭代、逐级抽象”。
深度学习之前的统计学习方法，包括浅层的神经网络在内，所做的事情都属于从特征到结果的直接映射，都是希望找到这些特征与结果的直接关系。对于现实世界中所有可统计的问题，特征与结果的关系肯定是存在的，但对于其中一部分问题，特征与结果之间是极为间接、隐晦的关系，几乎不可能一下子就从特征判定出结果。
260
第三部分 第三波高潮
○一 图片来源：https://grey.colorado.edu/CompCogNeuro/index.php/CCNBook/Perception。