神经网络为何可以做到高精度预测？

@胡梦柯3
现在电脑处理的大多数是理想模型，但是有句话叫存在即有理，能否通过处理非理想模型来达到理想模型的优化和模型外部系统交互中影响因子的剥离，来达到把所有环节通过优化迭代总结出更好的理想模型与模型外部系统优化和整理呢？

现有所谓 Universal approximation theorem 的定理证明了理论上来说一个前馈人工神经网络可以无限精度趋近任何函数。实际上来说重点是要有高质训练集，并且能够找到一个能够在合理时间资源内达成收敛的方法。
https://en.wikipedia.org/wiki/Universal_approximation_theorem

假设一个人看待事物足够客观，而这种客观是由对事物的全方位认知和思考构成的，与之相对应的是足够高的复杂度。而越客观的人接受片面思想的能力越强并且知道片面思想的错误在哪，不容易被“忽悠”。那是否意味这人类要是一定去制造人工智能，并且让人工智能少犯错，就一定要让人工智能足够客观，足够复杂，才能给人类带来未来？想想就觉得硬件要爆炸。

边界控制
神棍和数学家有发言权

当然可以了
呵呵

象棋算法 就能大概预知 对方下一步棋 或很多步以后
呵呵

如果盘面 棋子不多
那算法就很简单了
对方肯定走那个子