深度學(xué)習最終會(huì )淘汰掉其他所有機器學(xué)習算法嗎？

沒(méi)有一種算法會(huì )淘汰所有的算法，深度學(xué)習也不例外。

要證明這點(diǎn)，我們可以來(lái)看看Wolpert and Macready在1997年提出的No Free Lunch Theorems（免費午餐理論）。

這個(gè)定理告訴我們,對于同一領(lǐng)域任意兩個(gè)學(xué)習算法A和算法B,兩者迭代運算之后對于問(wèn)題Q的解決的所有可能性的累加和是相等的，也就是說(shuō), 脫離了具體的某一問(wèn)題問(wèn)題, 空談哪個(gè)算法更好或者更壞是沒(méi)有太大意義的, 因為如果考慮所有可能的問(wèn)題, 那么所有的算法結果都是一樣的。一種算法只是針對某一問(wèn)題來(lái)說(shuō)是最好的，如果算法A針對問(wèn)題M優(yōu)于算法B，那么算法B必定會(huì )在同一領(lǐng)域對的問(wèn)題N上優(yōu)于算法A。

目前的深度學(xué)習主要是基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習，這種算法由于能自動(dòng)的學(xué)習和迭代樣本的計算結果的表示,因此比較適合適合像圖像, 語(yǔ)音, 文本等原始樣本和數據特征之間相差很大，無(wú)法用一般統計方法提前特征值的情況, 這也是現今深度學(xué)習在這些領(lǐng)域能取得重大進(jìn)展的一個(gè)非常重要的原因， 而另一方面, 仍然有相當多的問(wèn)題分析中, 其數據的原始樣本和數據的特征之間差別不大, 這個(gè)時(shí)候, 使用深度學(xué)習開(kāi)銷(xiāo)和性能將比不過(guò)傳統的統計方法。畢竟工程問(wèn)題除了要考慮精準度外，還要考慮成本，從這個(gè)角度講，傳統的統計檢驗提取特征值的方法成本還是要遠低于深度學(xué)習的算法的。

任何技術(shù)或者算法或者語(yǔ)言的發(fā)展都不是為了打敗其他的技術(shù)，算法，語(yǔ)言，科技的發(fā)展是包容的，是互相學(xué)習，互相進(jìn)步的一個(gè)過(guò)程，人工智能的發(fā)展還需要更多優(yōu)秀算法的迭代才能煥發(fā)出蓬勃的生命力，而不是一味的用所謂的高級算法替代甚至淘汰別的算法。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！