选自ODSC

机器之心编译出品

编译：李久喻、吴攀、微胖

本文作者为NilLawrnc，谢菲尔德大学机器学习和计算生物学教授。在ODSCEast（OpnDataScincConfrncEast：开放数据科学大会（美国东部））上他详尽地探讨了机器学习的问题。

机器学习是一种数据驱动的人工智能研究方法。AlphaGo通过许多局的自我对弈和观察大量专业棋手的对弈历史记录来学习怎样下围棋。看起来，让计算机成为世界上最好的围棋手只是一个时间问题。AlphaGo通过机器学习击败了欧洲围棋冠军，这项技术是近来计算机视觉、语音识别和语言翻译等人工智能领域内的重大进步的基础。最终的结果，当AlphaGo和那位欧洲围棋冠军开始第一场比赛时，它所下过的棋局数量就已经远远超过了任何人一辈子可能下过的棋局数量。自从那次获胜之后，AlphaGo还一直在积极学习提高自己。它日夜坚持不停地下棋，努力为与世界冠军的对战做准备。

我们的数据错觉

这一现象并不仅限于AlphaGo。在其它领域，我们（系统的）人类级别表现也受惊人的庞大数据驱动。我们的视觉系统为了识别物体需要远比我们所需更多的有标记图像，我们的语音系统为了理解话语需要远比我们所需更多的话语，我们的翻译系统需要的已翻译样本比一个人类能够阅读的还多。

△世界数据能力的增长评估

所以，尽管我们正在一些曾经被认为非常困难或不可能的任务中取得可观的进步，但事实是这些进步更多是由更多的可用数据推动，不是来自算法的进步。事实上，当我们首次尝试解决诸如物体识别和语言翻译这样的任务时，如果试图将最新方法应用到那时拥有的数据量上，这些任务不可能得到解决。是数据爆炸让它们易于处理。

蒸汽

这种情况让我想起了工业革命的早期阶段。ThomasNw

转载请注明:http://www.aideyishus.com/lkcf/851.html