我们知道,机器学习领域里面存在大量的学习算法,梯度下降,凸优化,贝叶斯,等等,其中很多基础的计算
方法在以前的科学领域频繁使用过,我们称他们为科学计算的数值方法,或者可能的话解析算法也可以包括进来。
早在上个世纪60年代,物理学领域的计算数据量就达到了以TB为单位的量级,这和现代互联网数据的量级是相当的,
同样在基础算法上,两者有大量雷同的地方,所以问题是区别在哪里??????
本文提出一个大胆的猜测,那就是物理学是通过主观认知(计算和算法)对客观世界的极限进行探索,而现代机器学习
则是通过类似的算法对主观认知本身的极限进行探索!!!!!
毋庸置疑,我们所处的时代是一个人工智能的开启时代。上个世纪统计学领域那些奠基性的理论让人肃然起敬,比如没有免费午餐定理证明不存在通用的学习算法可以普遍使用,对于未知样本所有学习算法包括随机猜测是在同一起跑线上。在高层次的观点来说,我们要将机器学习看做是一种艺术,而不仅仅是一种计算的算法!