三个常见的机器学习错误要避免

作者: David Linthicum 2018-07-11 05:24:05

企业不断犯这三个错误:浪费资金,降低应用程序性能,还有成效不佳。

我非常喜欢基于云的机器学习和深度学习,以及一般意义上的人工智能。毕竟,如果你无法想象这样的场景——与能回答问题且执行命令的具有人工智能的实体展开对话,你就不能成为一名极客!

话虽这么说,我也发现,基于云的机器学习和深度学习一再被误用。这多半都可以轻松解决,当然,基于云的机器学已得到了广泛的使用。但你要用得巧妙,用得恰当。

以下是我看到的三个反复出现的错误。

1. 没有足够的数据来为知识模型提供训练

没有经历过任何学习的机器学习是毫无价值的。机器学习的真实用例是将算法应用于大量的数据,并且使某些模式显现出来,这些模式成了用于基于机器学习的应用程序的培训。

所以,没有数据就谈不上学习。虽然机器学习应用程序最终会收集数据并变得更加智能,但它需要一个出发点,在这个出发点,数据多得足以教会系统如何思考。

例如,有一些机器学习系统运行在医院中,这些系统用魔法般的手段向员工透露你住院期间死亡的可能性。如果连100,000个数据点都没有,你可以指望该可能性为0或100%——这毫无帮助。

2. 在不需要机器学习的地方使用机器学习

这是我见过的最常见的失败事项——因在应用程序中使用机器学习而导致公司在开发成本上增加两倍或三倍——完全平白无故地。机器学习系统在很多用例中根本没有发挥真正的优势。

程序逻辑在大多数情况下都管用,因此为会计系统或调度系统构建知识库就太过分了。更糟糕的是,由此产生的应用程序效率要低得多。

3. 不了解性能影响

在应用程序中嵌入机器学习系统有时可以使它们对业务更有价值。但这也可能会使应用程序的性能大打折扣。

试想一下:嵌入式机器学习服务在跨数据运行算法时可能会有几秒的延迟。如果该应用程序要近乎实时地提供响应,由于延迟响应导致的生产力损失,机器学习的一切价值都会迅速地消失。

机器学习 人工智能 数据
上一篇:人工智能的发展,主要有哪些成就,面临哪些挑战? 下一篇:构建深度神经网络,我有20条「不成熟」的小建议
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

关于AI在游戏领域的5个预测,你不一定都知道

未来,人工智能的发展将如何帮助开发者创造更好的游戏呢?以下是对人工智能在游戏产业中的5个预测。

Yu ·  16h前
人工智能如何改变医疗保健行业

当今世界最具前瞻性的两项技术是人工智能(AI)和机器人技术。实现这两种技术可以导致多个行业垂直领域的创新,包括医疗保健行业。

科幻网 ·  19h前
Epoch不仅过时,而且有害?Reddit机器学习板块展开讨论

Epoch最大的好处是确保每个样本被定期使用。当使用IID抽样时,你只要能想办法确保所有样本被同样频繁地使用就好了。

梦晨 ·  21h前
人工智能寒冬又到?美国教授arxiv发文批判AI,遭reddit网友狂喷

人工智能又被批评了?美国教授arxiv发文批评AI有四个误区,却不料遭reddit网友炮轰炒冷饭。

佚名 ·  21h前
企业的人工智能计划获得成功需要做的10件事

在实施人工智能的计划中,一些企业可能会忽略一些重要的细节,这些细节可能意味着人工智能计划成败之间的差异。

HERO ·  1天前
人工干预如何提高模型性能?看这文就够了

下面我先从使用机器学习模型来推理系统入手,再展开人工干预的推理循环的技术介绍。

AI科技大本营 ·  1天前
人工智能在国防领域将发挥什么作用?

2021年4月26日,根据数据与分析公司GlobalData新发布的一项名为《关于航空航天与防务领域中的人工智能技术专题研究》的研究报告,在未来战场中,人工智能技术或将充当辅助力量——人与机器协同工作,相较于人类,人工智能可以更有效地执行一些特定任务。

安防展览网 ·  1天前
做出电影级的 CG 渲染!斯坦福大学研究人员提出神经光图渲染

近日,一篇题为Neural Lumigraph Rendering的研究论文声称,它对现有的2个数量级图像进行了改进,展示了通过机器学习管道实现实时 CG 渲染的几个步骤。

佚名 ·  1天前
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载