類比於人腦的思考過程，機器學習/深度學習演算法的得到結果過程更像是理性思考還是直覺判斷？

或者因演算法而異？

*得到結果的過程可以指訓練後的，也可以是包含訓練過程的

應該是直覺判斷，理性思考有一個想問題的過程，神經網路是一大堆的結構，哪裡有想法，只不過是運算而已

機器學習是直覺經驗主義的，之前怎麼干效果好，之後就怎麼干。理性思考是知識圖譜的邏輯推理

絕非理性，更象是直覺判斷。其可靠性須經由實事來證明。

人腦決策過程區分理性思考和直覺判斷的界限並不清晰啊!沒法類比。。

機器學習通過學習數據規律，以此為依據做出判斷。他能學習到數據內在的邏輯規律並判斷，但對於未知知識的推理還是發展比較弱的（這塊已經在進步的，如知識圖譜知識推理，對抗神經網路..）。

理性和直覺判斷本質上來說是一樣的 都是神經突觸相連結傳播的電信號

不同的神經構造導致了不同的思維方式

這就和不同的卷積一樣

目前來說 人類模擬的絕大多數神經網路都更偏向於「直覺」 但也不是全部

更像是後者，人工智慧，先人工後職能。演算法得到的結果都是通過學習數據的內在規律具象出來的數據決定的結果。

感性認識是感官對外界事物的直接感受，屬於低級認識，應該就是你說的直覺。

理性認識是通過後天的經驗，學習，推理，假設，論證等獲得的高級階段的認識。

所以個人感覺機器學習深度學習，既不能歸結為理性認識 也不能歸結為感性認識。因為首先模型是不斷喂數據學習經驗得來的，但他又不具備思考分析的能力。

理性思考還是直覺判斷，大致對應於人經常說的「邏輯」和「感覺」，本質都是神經元，突觸間的傳遞激發，有些與生俱來，而有些後天練習形成。

從這個角度說，ML/DL其實對此無感，它的insight在於更原始底層的模擬和學習。

因為ML/DL的輸入是數據（不區分是所謂的「理性思考還是直覺判斷」），淺層或深度學習（神經網路一脈最早叫artificial neural network，設計初衷就是模擬神經元之間的相互作用）都是在擬合這些數據，建立相關業務問題的映射關係（判別式）或建模數據本身（生成式），在good fit的前提下，這些模型結構就可以類比於人類處理同一個問題時的神經功能結構。

目前機器學習或深度學習類似人類學習過程的經驗，能夠很好的從數據中得到經驗，但是對於需要複雜推理的問題，無法挖掘深層次的潛在邏輯，特別對於本身具有抽象概念的問題。特別缺乏人類學習中強調的活學活用，很像是一位」書獃子「。

理性思考和直覺判斷，從演算法的角度如何理解和定義？

大致的，所謂理性思考就更多是一個全局搜索或者類似一個MAP估計，也可以類比成一個RL演算法中不僅構建了世界模型，而且在世界模型和問題狀態空間進行充分的採樣互動得到的最優路徑，而所謂直覺判斷就是一個heuristic或者greedy演算法或者局部極值吧。其實它們有什麼本質區別么？好像也沒有太多差異，就是個系統參數範圍的差別而已。

直覺判斷是利用我們人類祖先已訓練好而遺傳來的固有神經網路，理性思考是用現實數據輸入在訓練我們自己的神經網路。機器學習更像理性思考。