之前我对机器学习有点厌倦。一方面是因为媒体和培训机构把机器学习包装成通用人工智能。它来了，但它根本不是那样的！另一方面，这家伙训练的是一个黑盒子。虽然他能取得相当不错的成绩，有时甚至比人类还要好，但这家伙的内功如何？不知道！调整参数然后开始！我内心深处支持因果关系和确定性，觉得只有它们才能统治世界，不确定性是难以理解和承受的。什么是决定论？例如，在物理学中，对于一个物体的运动，给定初始速度和它所受的力，就可以计算出该物体在任何后续时刻的速度。这是决定论。后来出现了量子力学，说这个世界（尤其是微观世界）不再是确定性的，而是一团概率的云，可能在这里也可能在那里，由波函数决定。不能同时测量粒子的速度和位置。薛定谔的猫既是活的又是死的。这种不确定性让人感到难以理解和不舒服。在编程世界中也是如此。只要给出了算法和输入，输出就确定了，不会改变。我们学习各种编程语言，各种框架，开发各种系统，都是用的这种确定性算法，让人安心。后来出现了大数据，试图从海量数据中找出一些信息，但很难找出数据之间的因果关系。哪些因素在促进销售额的增长？是促销吗？是假期吗？原因太多了。很难说。所以大数据分析现在做的不是找因果关系（当然能找到最好的），而是找相关性。只要能找到某种相关性，我们就认为是好的，是可以接受的。机器学习是不确定性的代表，比如模式识别，可以识别是狗还是猫，但是这个算法不能保证100%准确，它讲的是概率。但是，当这种不确定性应用于某些特定领域时，作为辅助手段就足够了，比如自动翻译，无法令人信服和优雅，但你可以通过它大致了解一篇文章的内容，这也是一种翻译。进步。人脸识别，哪怕犯点错误，也没什么大不了的。如果自动驾驶出了问题……那将是致命的，所以我不看好自动驾驶能在短期内走进千家万户，走遍大街小巷，太可怕了。辅助驾驶还行，控制权不能完全交给机器。总之，一开始我无法忍受不确定性，但现在我觉得只要机器学习能够提高我们的效率，节省我们的劳动力，就足够了。至于真正的、通用的人工智能，先别提了。
