關於機器學習你必須瞭解的十個真相
作為一個經常向非專業人士解釋機器學習的人，我整理了以下十點內容作為對機器學習的一些解釋說明。
-
機器學習意味著從資料中學習；而AI則是一個時髦的詞。機器學習並不像天花亂墜的宣傳那樣：通過向適當的學習演算法提供適當的訓練資料，你可以解決無數的難題。把它稱之為AI吧，如果這有助於銷售你的AI系統的話。但你要知道，AI只是一個時髦的詞，這隻代表了人們對它的期望而已。
-
機器學習主要涉及到資料和演算法，但最主要的還是資料。機器學習演算法特別是深度學習的進步，有很多令人興奮的地方。但資料是使機器學習成為可能的關鍵因素。機器學習可以沒有複雜的演算法，但不能沒有好的資料。
-
除非你有大量的資料，否則你應該堅持使用簡單的模型。機器學習根據資料中的模式來訓練模型，探索由引數定義的可能模型的空間。如果引數空間太大，就會對訓練資料過度擬合，並訓練出一個不能使自己一般化的模型。如果要對此做詳細解釋的話，需要進行更多的數學計算，而你應該把這一點當作為一個準則，讓你的模型儘可能得簡單。
-
機器學習的質量與訓練所用資料的質量強相關。俗話說“你往計算機輸入一堆垃圾，輸出的一定也是一堆垃圾資料”，雖然這句話的出現早於機器學習，但這恰恰是機器學習存在的關鍵限制。機器學習只能發現訓練資料中存在的模式。對於監督機器學習任務來說（例如分類），你需要一個健壯的、正確標記的、豐富的訓練資料集。
-
機器學習只有在訓練資料具有代表性的前提下才會起作用。正如基金招股說明書警告的那樣“過去的表現不能保證未來的結果”。機器學習也應該發一個類似的警告申明：它僅能基於與訓練資料相同分佈的資料才能工作。因此，需警惕訓練資料和生產資料之間的偏差，並經常性地重複訓練模型，這樣才能保證其不會過時。
-
機器學習大部分的工作是資料轉換。在機器學習技術天花亂墜的宣傳下，你可能會認為機器學習所做的主要是選擇和調整演算法。但現實卻是平淡無奇的：你大部分的時間和精力都將花在資料清理和特徵工程上，也就是將原始特徵轉換為能更好地代表資料訊號的特徵。
-
深度學習是一場革命性的進步，但並不是靈丹妙藥。由於機器學習在很多領域都得到了應用與發展，因此深度學習也被宣傳得天花亂墜。此外，深度學習促使一些傳統上通過特徵工程進行的工作變得自動化，特別是對於影象和視訊資料。但深度學習並不是靈丹妙藥。沒有現成的可以讓你使用，你仍然需要投入大量的精力去清理和轉換資料。
-
機器學習系統很容易受到操作員錯誤的影響。向NRA道歉，“機器學習演算法不會殺人，是人在殺人”。當機器學習系統出現故障時，很少是因為機器學習演算法存在問題。更有可能的情況是人為的錯誤被引入了到訓練資料中，從而產生偏差或其他的系統錯誤。我們應始終持懷疑的態度，並採用適用於軟體工程學的方式來對待機器學習。
-
機器學習可能會在無意中創造了一個自我實現的預言。在機器學習的許多應用中，你今天所做的決策會影響明天收集的訓練資料。一旦機器學習系統將偏差融入到模型中，它可以會繼續生成偏差增強了的新訓練資料。 而且，一些偏差可能會毀掉人們的生活。請負責任一點：不要創造自我實現的預言。
-
AI不會自我覺醒、造反並毀滅人性。相當多的人似乎是從科幻電影中得到有關人造智慧的概念的。我們應該從科幻小說中得到啟發，但並不能這麼傻，把小說誤認為是現實。從有意識的邪惡人類到無意識的有偏差的機器學習模型，有太多的現實和危險需要擔心。所以你可以不用擔心SkyNet和“superintelligence”（譯者注：SkyNet和superintelligence分別是科幻電影和科幻小說）。
機器學習涉及到的內容遠遠超過我上面提到的十點說明。希望這些介紹性的內容對非專業人士有用。
--------------------- 本文來自 aecaawang 的CSDN 部落格 ，
全文地址請點選：https://blog.csdn.net/aecaawang/article/details/78237377?utm_source=copy