作者前言近几年来，“深度学习”（DeepLearning或DeeperLearning）在国内暴得大名，无论是理论界还是实践界都对此趋之若鹜，许多学者对此有过论述，几乎所有一线教师都非常关心这一论题。就国内研究而言，短短五年（.01—.06）就有论文篇之多。然而，我们不无遗憾地看到，绝大多数理论及实践成果都有一种“单向度取向”，即主要是基于学习心理学认知学派的“信息加工”理论而展开的研究成果，鲜有“全视角”观照；其中国内研究多数又以“译介”为主，实证成果稀少。不可否认，基于“信息加工”的心理学层面上的探索必不可少，它的确可以切入深度学习的内在机理。但是，如果始终停留在“信息加工”层面是无济于事的，而且很容易出现价值取向上的重大偏差。因此，我们应当超越认知学派，转向“全视角”或“全域理论”，对深度学习再做一番厘清。
本文选自《课程·教材·教法》年第2期。作者吴永军系南京师范大学教育科学学院教授、博士、博士生导师，教育部基础教育课程改革南京师范大学研究中心常务副主任，教育部基础教育课程教材专家工作委员会委员。
一
对当前深度学习研究的检视
对于“深度学习”研究的检视，我们拟从两个方面来展开：一是考察深度学习研究的“谱系”，二是揭示深度学习的认识误区及其背后的原因。
学术界基本达成这样的共识：深度学习缘起两方面研究——计算机领域中的“机器学习”（或“人工智能”）研究以及教育领域中的学习研究。相对于教育领域，计算机领域的机器学习对于深度学习更为广泛，影响也更为深远，这方面的海量研究最终积淀为后续研究与生俱来的基因——大脑内部极为复杂的信息加工。据研究，最早抢注“深度学习”概念的是机器学习领域，对机器学习进行研究，实质上是对人的意识、思维和信息过程的模拟，是一门人工智能的科学，而深度学习是机器学习中表征学习方法的一类。在机器学习中，深度学习被定义为“一系列试图使用多重非线性变换对数据进行多层抽象的算法”。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
教育领域中的深度学习研究