На рынке существует множество ошибочных представлений о машинном обучении, таких как Машины заменят людей или одно из моих любимых: когда вы вводите данные в алгоритмы, будет появляться полезная информация просто так. В этой статье я собираюсь перечислить известные мифы о машинном обучении, которые существуют и в профессиональной сфере. Ты готов? Вот так…

Автономное обучение.Чтобы машины были успешными и предоставляли правильное представление о данных, люди должны проделать большую работу с данными, чтобы подготовить их. Подлинное независимое обучение выходит за рамки воображения, и люди не могут быть полностью исключены из этого состояния. Например, взгляните на отчет в Financial Times о том, как самоуправляемые автомобили становятся трудоемкими.

Трансформационные идеи: это мой личный фаворит, как только вы предоставите алгоритму данные, полезные идеи появятся, как горшочек с золотом на краю радуги. Это именно так — мираж. Для каждых сгенерированных данных определить проблему, которую нужно решить, очень сложно, и это непрерывный итеративный процесс уточнения данных и перестроения моделей. По моему опыту, создание модели машинного обучения происходит не за один раз. Нам нужно продолжать пересматривать и добавлять данные и уточнять их снова и снова. Извлечение информации из модели — это длительный процесс, и для того, чтобы прийти к такому выводу, требуется много времени, и также важно иметь всю статистическую поддержку.

Универсально применимо. Да, вы правильно поняли. Ты мне не веришь? Что ж, я думаю, вы поверите этому пионеру машинного обучения.

Удивительно, но, несмотря на широту влияния ИИ, типы его развертывания по-прежнему крайне ограничены. Почти весь недавний прогресс ИИ приходится на один тип, в котором некоторые входные данные (А) используются для быстрого создания какого-то простого ответа (В). — Эндрю Нг

С другой стороны, люди не понимают, что не каждая бизнес-задача требует машинного обучения. Некоторые проблемы можно легко решить с помощью исследовательского анализа данных (EDA) или простой сводки данных, и для этого не нужен искусственный интеллект.

Сверхчеловеческий интеллект.Машины так же разумны, как и люди, которые их создали, но машинам не хватает здравого смысла, и их нельзя научить. Несмотря на большой технологический прогресс, не будет ни одного дня, когда технологии поработят вас. Как всегда!

Если вы только начинаете, я надеюсь, что эта статья помогла вам преодолеть те мифы, которые крутятся в профессиональной сфере.

Удачного кодирования!