原文:Where is Deep Learning applicable understand the known unknowns
编译:KK4SBB
深度学习可以应用在哪些场合呢?这是大家在理解深度学习和其它人工智能技术时首先想到的问题。我们往往陷入一个误区,认为“人工智能”可以搞定一切。
若要回答这个问题,首先要知道另一个问题的答案,“我们手中是否已经有足够的数据”?然而,这个问题也需要足够的领域知识才能作答。在学术意义上,我们想理解“边界条件”;或者换句话说,我们想理解问题的内在约束条件。那么,深度学习和人工智能问题的“边界条件”究竟是什么呢?
早些时候,笔者讨论过“什么是可知的”和“什么是知识的当前状态?若想理解领域知识,就必须搞明白知识的当前状态是什么。不确定度是以可知的内容为参照来衡量未知知识的度量。但不确定度有一个奇怪的假设,即假设一切事物最终都是可知的。这相当于我们相信决定论,可是在真实的世界往往捉摸不定。
然而,这个度量名称对我们识别问题的边界很有帮助。下面是问题清单。若问题的答案是否定的,那预示着不确定性的存在。以下采用执行者、活动和环境来描述整个语境。
- 执行的不确定性 - 从环境的初始状态开始,执行者不同的执行顺序是否总是得到同样的最终状态?
- 观测的不确定性 - 执行者是否能够获取完整的环境信息?<