Каждой разрекламированной технологии нужна здоровая доза скептиков. Глубокое обучение - не исключение. Давайте посмотрим, что говорят некоторые из этих скептиков. Вот три недавних статьи от трех разных экспертов по науке о данных / машинному обучению.
T его бум искусственного интеллекта также рухнет
Суть в том, что, хотя некоторые видят эту новую технологию прогнозирования как новую технологию труб, которая может улучшить все трубы, независимо от их размера, на самом деле она больше похожа на технологию, полезную только для очень больших труб. Точно так же, как было бы пустой тратой навязывать технологию труб, полезную только для больших труб, на всех трубах, также может быть пустой тратой внедрять передовые технологии прогнозирования в типичные задачи прогнозирования. И тот факт, что эта новая технология в основном полезна только для редких серьезных проблем, предполагает, что ее общее влияние будет ограниченным. Просто такие вещи не могут изменить мировую экономику за два десятилетия. Поскольку нынешний бум основан на таких величественных домах, этот бум скоро должен прекратиться.
Что нового в машинном обучении
Означает ли это, что мне нужно было изучить машинное обучение с нуля? К счастью для меня, ответ на этот вопрос был отрицательным.
Почему?
По двум причинам:
1. Технология машинного обучения не сильно изменилась с тех пор, как я получил докторскую степень.
2. И когда он изменился, он стал ближе к математической оптимизации, с чем я хорошо знаком.
H Поскольку глубокое обучение сделало традиционное машинное обучение неактуальным:
Несмотря на то, что ИНС с глубоким обучением могут быть направлены на решение того же класса проблем на основе в значительной степени структурированных данных с некоторыми неструктурированными, которые сейчас вводятся, они не подходят с точки зрения эффективности.
Итак, определенно нет, глубокое обучение не сделало и не сделает традиционные методы машинного обучения устаревшими.
Вся эта критика пришла в последний месяц. Все они довольно скучны по сравнению с этим сообщением в блоге в 2014 году Отойдите от подножки глубокого обучения и взгляните на перспективу:
Вывод таков: машинное обучение - это не инструмент. Это методология рационального мышления, полностью зависящая от проблемы, которую мы пытаемся решить. Мы не должны слепо применять алгоритмы и смотреть, что им прижится. Нам нужно сесть, изучить пространство функций (как эмпирически, так и с точки зрения реальных последствий), а затем рассмотреть наш лучший способ действий.
Сядьте, сделайте глубокий вдох. И потратьте время на то, чтобы все обдумать.
И самое главное, избегайте ажиотажа.
только для того, чтобы вернуться позже и написать в своем отказе от ответственности:
А иногда мы даже изучаем методы, которым уже несколько десятилетий, применяя лишь несколько иной поворот, приводя к существенно разным результатам - и, таким образом, рождается новая область исследований.
Интересные аргументы все, но верны ли какие-либо из них?
Чтобы лучше понять Deep Learning, просмотрите мои Прогнозы для Deep Learning на 2017 год или зарегистрируйтесь в Intuition Machine, чтобы начать разговор.
