深度学习项目成功的六要素

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？<