为什么说机器学习在很多方面被高估了?

  • 时间:
  • 浏览:4
  • 来源:幸运快3_快3平台网址_幸运快3平台网址

在Quora论坛上研究编程语言的Tikhon Jelvis回答说:我发现,机器学习在你这名你这名方面都被高估了,无论是经验匮乏的人,还是更有害的,亲戚亲戚让让我们 歌词 都对你这名领域投入了少量的资金。

最普遍的看法是,机器学习比实际亲戚亲戚让让我们 歌词 儿认为的更强大。机器学习只擅长于进行机器学习,而在你这名领域的表现都很糟糕。但将会你听你这名人一句话后后,让他相信若果插进有另还还有一个神经网络,让他在任何问题上得到有另还还有一个可靠的正确处理方案。

我主要把例如问题归咎于亲戚亲戚让让我们 歌词 对机器学习领域匮乏经验以及错误认知后后产生的热度,但这也是什么对于较常人掌握机器学习更好的人大肆宣传的结果。Karpathy的最近像病毒般传播的软件2.0只是有另还还有一个很好的例子:他提出了你这名有趣的观点以给人留下深刻的印象,例如他说深层学习是电脑编程的未来。这篇文章从一种程度上忽略了你这名利基市场(未来愿景、演讲、NLP、机器人技术)以外的问题,而他说到的什么问题不太适合采用深层学习你这名方法。不仅仅是系统软件能正确处理的问题,大多数有经验的电脑工程师能通过写几百行代码甚至都在比机器学习更有效的得到业务逻辑领域的正确处理方案。

将会说垃圾分派和高级语言可不需用代表“软件2.0”一句话,那深层学习甚至不可不可不上能与非 “软件3.0”。神经网络是“你的机器学习工具箱里的另另还还有一个工具”,但更重要的是,机器学习只那个她 的编程工具箱中的另另还还有一个工具!

它有它的真正的后果。让他要看 亲戚亲戚让让我们 歌词 将少量资源投入到机器学习的系统中,从而得到更简单、更有效的正确处理方案。让亲戚亲戚让让我们 歌词 儿来探讨关于商店里的商品需求预测问题。让他试着把你这名问题当作有另还还有一个纯粹的机器学习系统来做,后后 你这名系统将会总出 挣扎并最终失败,将会它需用从你的数据中提取出你需用的所有内部人员。有你这名你这名因素都很重要,但你这名因素后该在让他实际操作的数据中观察到。亲戚亲戚让让我们 歌词 儿最好在实验上结合另另还还有一个明确地分析一堆事情(基于价格和促销的弹性)并依赖于他人的经验(消费者时尚的变化)等进行模型设计并作出总结。

正确处理你这名问题的理想系统需用是一种混合模式:基于数据的机器学习,你这名明确的建模,以及能使专家和用户互动的模式。但有不要 的人后该设计另另还还有一个的问题,将会亲戚亲戚让让我们 歌词 把机器学习看成是一种万能药,并想看 构建有另还还有一个只以得到数据为目标的黑匣子。

我对上方说到的什么将会总出 的情况都在只是感到惊讶。无论在学术或工业领域,进行一项研究的公开秘密是,不可不可不上能什么可不需用采用并正常工作的东西并能想看 光明的未来。有有几块个团队试图利用机器学习技术正确处理问题而最终失败了?将会你和活跃在该领域的研究人员聊天,你后该听到他说到关于失败的案例。(举个例子:我知道有大家尝试过在多多任务管理器 合成中对各种问题引入深层学习最终失败了,但这只是我通过小道消息听到的。)

但事实上,亲戚亲戚让让我们 歌词 相对的高估了机器学习对产品的影响。现在你这名你这名消费产品都以机器学习技术为核心,例如亲戚亲戚让让我们 歌词 儿可不需用想想Quora和Facebook的动态消息提示。将会机器学习是一种新兴的、技术含量高的技术,什么产品的成功需用归功于机器学习!

但问题是,我打赌机器学习对它们的影响是微乎其微的:大累积的效用都在由社会需求而设计的工具来支持的。真正重要的是,Quora有有另还还有一个自主信息流,来让用户去关注特殊的人和话题。将会有另还还有一个更加粗糙的算法(他说是有另还还有一个基于启发性的规则引擎)并能拥有有另还还有一个比Quora更好的消息流,我后该感到惊讶。我使用你这名与Quora论坛例如的产品,但没人 任何“机器学习”作为后台支持(比如Reddit)。事实上,我的Reddit首页在读取我关心的事情上你这名栏要比Quora上做得更好!(Quora的你这名设计,例如非机器学习的累积,都在比Reddit上的更适合我。)

有一件事我随便说说很有必要探究的是有有几块交易商店没人 全心全意地接受机器学习。当然,都在你这名人继续用相对直接的手动调优算法来获取不干净的金钱。同样的,在规则引擎中将会导入了专家编写的启发法,它得到的效果将出奇的好!你这名策略是通过机器学习技术(也被称为“统计”)开发的,但都在你这名是基于深层领域的专业知识而产生的。

我的观点都在机器学习对贸易毫无用处,后后 它显然有可用之处。重点在于它并都那个她 所期望去使用的,甚至与你所期待的相反。

最终,我认为机器学习被高估是将会对于任何尝试在生产中采用机器学习系统的人来说,后该发现机器学习要比看上去的复杂化得多。

你将会认为让他很好的利用你这名你将会听说过的机器学习算法,但在你使用的过程中,它将会后该像你从博客文章或文章中所看见的效果那样好。你这名你这名细节都没人 写进论文,后后 它们仅仅作为专业领域的专业知识所处。即使你考虑的问题和你的最始于工作总出 的问题是一样的,你仍需用花你这名你这名时间来为你的问题配置个性化的算法。你需用调整超参数,找到最少的架构,以怪异的方法对数据进行预先正确处理,甚至将会需用重新分派你的问题。你不可不可不上能把你的问题插进现有的算法上,你这名你这名让他要 么需用充沛的经验,要么需用少量的尝试和错误的数据作为参照。

机器学习是一套强大而实用的技术,它并能让亲戚亲戚让让我们 歌词 儿正确处理后后你这名你这名无法正确处理的问题。例如,我正在开发的供应链优化系统将受益于在亲戚亲戚让让我们 歌词 儿现有的经典操作研究基础之上上加的你这名机器学习系统。

但正如亲戚亲戚让让我们 歌词 所相信的那样,机器学习现在远没人 像亲戚亲戚让让我们 歌词 想象的那样普遍、强大或有影响力。将会我不得不进行猜测一句话,我赌未来的技术值得被称为“软件3.0”,它是一种有多多任务管理器 合成支持的、交互式的开发工具。但这将会只是我一厢情愿的想法,后后 还有很长的路要走。