导读:现在迁移学习大热,它红,是有它的道理的。什么是迁移学习?本文用最通俗易懂的语言为你讲解。
作者:木羊同学
来源:大数据DT(ID:hzdashuju)
迁移学习现在是很热的一个前沿研究方向。
当然,无论什么时候,很热的研究方向总是有几个的,不过,就我的观察,一个前沿研究方向能够乘风破浪真正热起来,除了必不可少的玄学影响,总的来说有两个大的因素,一个因素是奇思妙想,创造了一个全新的脑洞,大家虽然不知道这个脑洞最终通不通,通向哪里,但实在太有趣了都忍不住钻进去看看,也就是被做研究的趣味性所吸引。
另一个因素看起来就务实很多了,直指一个痛点问题。一套新的理论推出来,大家可能首先被它表现出来的能力,以及可被挖掘的潜力所折服,想象的空间很大,纷纷不吝溢美之词——这是这套理论的高光时刻。
但时间会改变一切。随着研究和实践的深入,理论的局限性也逐渐浮出水面,这应该说是每套理论的必然宿命,现实就像一个热衷于乱涂乱画的熊孩子,再优美的理论放到了现实面前,总免不了被添上糟心的几笔。
很快,这就成了这套优美理论身上的一块极不协调的丑陋伤疤,这就是痛点问题。每次研究到这,大家都会忍不住发弹幕来吐槽。但时间会改变一切,吐槽声会慢慢稀落下来,大家开始逐渐接受这个痛点问题也是理论体系的一部分,爱她就要爱她的全部。
当然,这不是故事的全部。做研究毕竟是比单纯吐槽得要多一点的思考。对一个问题吐槽的人越多,往往意味着,想解决这个问题人就越多。这个痛点问题的价值也就自然水涨船高,受关注度就越高,从而又进一步吸引更多的人来思考研究,形成一种良性循环。
01 机器学习之“痛”
现在迁移学习大热,说起来也有一定的“天选”原因,上述的两种因素,它都能扯得上关系。它红,是有它的道理的。
首先,迁移学习直指一个痛点问题,即机器学习的痛点问题。机器学习有一个人尽皆知的痛点问题,不过可能太痛了,痛得人尽皆知了,以至于很多人都忘了这货居然是一个货真价实的痛点问题。
什么问题呢?打标签数据不足的问题。
我们说机器学习技术,甚至范围更大一点,说人工智能技术,一直在讲一个美好的童话。现在是互联网时代,互联网时代什么多呢?风口多,数据更多。多到什么程度呢?非常非常的多,说是恒河沙数都太保守了,唯有占据这个蓝色星球71%的那个蓝色玩意,对,海洋,才可以相提并论。
互联网有海量数据,那怎么挖掘其中的风口呢?人肯定是看不过来了,996也看不过来,怎办呢?让机器帮帮忙吧,机器不眠不休,天生就爱处理数据,不正好擅长做这个嘛。这一帮好家伙,把人工智能自己也帮成了下一个风口。
听起来确实很美好,实际怎样呢?
“你哭着对我说,童话里都是骗人的”——没错,人工智能技术,具体来说,是机器学习确实非