La diferencia y conexión de los tres
El aprendizaje automático es un método para realizar la inteligencia artificial y el aprendizaje profundo es una tecnología para realizar el aprendizaje automático. Usamos el método más simple: círculos concéntricos, para mostrar visualmente la relación entre los tres.
Figura 3 Diagrama esquemático de la relación entre los tres
En la actualidad, la industria tiene un sentido común de error en el sentido de que " el aprendizaje profundo puede eventualmente eliminar todos los demás algoritmos de aprendizaje automático ". Esta conciencia se debe principalmente al hecho de que la aplicación del aprendizaje profundo en la visión por computadora y el procesamiento del lenguaje natural supera con creces los métodos tradicionales de aprendizaje automático, y los medios de comunicación han exagerado informes sobre el aprendizaje profundo.
El aprendizaje profundo, como el método de aprendizaje automático más popular en la actualidad, no significa que sea el final del aprendizaje automático. Actualmente existen al menos los siguientes problemas:
1. Los modelos de aprendizaje profundo requieren una gran cantidad de datos de entrenamiento para mostrar efectos mágicos, pero en la vida real, a menudo se encuentran pequeños problemas de muestra. En este momento, los métodos de aprendizaje profundo no se pueden usar y los métodos tradicionales de aprendizaje automático pueden manejarlos;
2. En algunos campos, el método tradicional de aprendizaje automático simple se puede utilizar para resolverlo bien, y no es necesario utilizar métodos complejos de aprendizaje profundo;
3. La idea del aprendizaje profundo está inspirada en el cerebro humano, pero de ninguna manera es una simulación del cerebro humano. Por ejemplo, después de mostrarle una bicicleta a un niño de tres o cuatro años, verá una bicicleta con una apariencia completamente diferente nuevamente. Con toda probabilidad, se puede juzgar que es una bicicleta. Es decir, el proceso de aprendizaje humano a menudo no requiere datos de entrenamiento a gran escala, y el método actual de aprendizaje profundo obviamente no es una simulación del cerebro humano.
Cuando el magnate del aprendizaje profundo Yoshua Bengio respondió una pregunta similar en Quora, había un párrafo que fue particularmente bueno. Aquí hay una cita para responder a la pregunta anterior:
La ciencia NO es una batalla, es una colaboración. Todos construimos sobre las ideas de los demás. La ciencia es un acto de amor, no de guerra. Amor por la belleza del mundo que nos rodea y amor por compartir y construir algo juntos. Eso hace que la ciencia sea una actividad muy satisfactoria, emocionalmente hablando.
El significado general de este pasaje es que la ciencia no es guerra sino cooperación. El desarrollo de cualquier disciplina nunca es un camino hacia el negro, pero los pares aprenden unos de otros, aprenden unos de otros, aprenden unos de otros y se complementan entre sí, de pie sobre los hombros de gigantes. Lo mismo ocurre con la investigación del aprendizaje automático. La vida y la muerte son un culto, y la apertura y la tolerancia es el camino correcto.
En combinación con el desarrollo del aprendizaje automático desde 2000, estoy profundamente impresionado por las palabras de Bengio. Al entrar en el siglo XXI, al observar el desarrollo del aprendizaje automático, los puntos críticos de investigación se pueden resumir simplemente como aprendizaje múltiple de 2000 a 2006, aprendizaje escaso de 2006 a 2011 y aprendizaje profundo de 2012 hasta el presente. ¿Qué algoritmo de aprendizaje automático se convertirá en un punto caliente en el futuro? Wu Enda, uno de los tres gigantes del aprendizaje profundo, dijo una vez: "Después del aprendizaje profundo, el aprendizaje por transferencia liderará la próxima ola de tecnología de aprendizaje automático". Pero al final, ¿quién es el próximo punto caliente para el aprendizaje automático?
Enlace de reimpresión: