※ 引述 《Eriri》 之铭言：
: 其实小弟对这次物理奖最大的疑问 并不是在于"够不够物理"
阿肥外商码农阿肥啦！
快下班才看到这篇，写得太好了。就补充几个点，当前深度学习很少会去提Hopfield Netwo
rk甚至Boltzmann machine真正的原因就是当前的模型架构早就脱离全连结的架构了。
不知道全连结可以看看这张我从微软官方找到的两层RBM图：
https://i.imgur.com/IsU2Adg.png
如果像这种全连结做深做复杂以后，由于两两神经节点会相互更新，得到新的权重会还会在
反复叠代到取得动力平衡为止。所以计算复杂度就会很高，加上不管是Hopfield或是Botzma
nn machine都不像是监督式NN或自监督NN有真实的标签可以对照，这种仿生Cognitive mode
l最初就是想模拟生物脑，所以效果都没办法做大做深，更不用论现实可用程度。
所以当前流行的就是非全连结的NN再暴力用反向传播，直接用微积分的chain rule去偏导求
整个模型的梯度再一次性更新，这样非常简单也非常暴力，做深以后可以拟合任何非线性函
数，连随便一个AutoEncoder模型都辗压Hopfield，暴力计算下证明了机械脑根本不需要真
的模仿生物脑也可以成功。
补充差不多这样