徐明昆
机器学习不适合干什么
2021-10-24 23:46
阅读:487

      本文说的机器学习包含深度学习。

      机器学习(和深度学习)从学术界成功走向产业界,加上艺术化宣传,

      俨然给人一种取代人类工作的印象。

      其实,它有适用场景和局限本文大致概括如下。


       不适合的场景:

1.缺乏数据来训练系统时,比如密码数据。

2.有些确定性算法更简单更快时。

3.逻辑证明,比如数学定理证明。

4.分析,模糊推理,翻译等认知问题

5.准确计算。

  我们的微积分,数论,编译器操作系统CPU,绝不可以出一点错,这些都不应采用

机器学习或神经网络来近似。有人说 下棋每一步不是准确的吗?人工智能确实

走出确定的步伐,但是这个步伐不是唯一的,别的步伐可能更优,不一定。


 

   适合的场景:

 总的来说,神经网络系统仅在满足如下一个或多个条件时选用:

1.     有大量经验(数据)可借鉴。

2.     仅需概率结论。

3.     应用场景和条件简单清晰。比如下棋的规则清晰。

4.     确定性、最优算法很慢或者很复杂时

5.  人脸识别等感知问题

6.  不一定最优解,次优解较优解可接受的情况,如下棋。

 

总的来说,机器学习对人脸,语音识别等感知问题较适合,

对精确和关键的领域,或者底层计算领域,分析和模糊推理等认知问题,

并不擅长。

 

   当然,这只是一般定性,没法制定一个适合不适合机器学习技术的截然标准。




【1】科学网—人工智能转入深度学习时代的方法论原因 - 徐明昆的博文 (sciencenet.cn)

【2】科学网—人类直觉的人工智能模拟 - 徐明昆的博文 (sciencenet.cn)

【3】科学网—深度学习基本原理 - 徐明昆的博文 (sciencenet.cn)

【4】科学网—人工智能(机器深度学习..)无关乎人的智能 - 徐明昆的博文 (sciencenet.cn)


 


转载本文请联系原作者获取授权,同时请注明本文来自徐明昆科学网博客。

链接地址:https://m.sciencenet.cn/blog-537101-1309305.html?mobile=1

收藏

分享到:

当前推荐数:0
推荐到博客首页
网友评论1 条评论
确定删除指定的回复吗?
确定删除本博文吗?