看到很多人工智能方向的公司都要求深度学习，我对深度学习的价值比较迷惑？

Question

之前看到有的公众号评价深度学习调参数比较多，而且用深度学习通吃计算机视觉领域，导致许多传统方向的知识能力被忽视了，我觉得挺有道理。

但是看到好多公司，比如无人驾驶方向，好像招聘要求都是深度学习，这么看来好像深度学习确实能力很强大，好像对深度学习的需求也比机器学习要求多些，当然机器学习是深度学习的基础了。

比较迷惑，老师能介绍下深度学习在智能领域的实际价值和位置吗？

Answer 1

liuyubobobo 2017-12-29 18:51:03

个人观点：

深度学习的应用价值：暂时很大。使用深度学习的方式，确实能达到很好的应用效果。对于很多问题，暂时没有比深度学习更好的解决方案。

但是长远来看，深度学习很有可能只是人类在人工智能领域探索中的一个短暂的阶段而已。深度学习最大的问题是：

1）没有可解释性，或者可解释性不强，属于黑盒算法；

2）背后的数学根基不强。

我记得之前回答过你，很多学者，包括业界，都正在积极的探索比深度学习更可靠的方式。而且，很有可能这种方式其实已经存在了，只是应用时机还未成熟而已。毕竟，深度学习是2006年提出的技术，距现在在也已经10年了。而深度学习的大热，也就是最近两三年的事情。至于深度学习的基础神经网络，更是很早的一种算法，在历史上经历了好几次大起大落。

至于你说很多公司对深度学习的要求比机器学习要求多些，这应该是错觉。机器学习岗会全面考察对机器学习领域的掌握和理解，即使你的岗位只做深度学习。不过有经验的人在考察深度学习相关的问题的时候，能够很容易的看出你的基本功，其实是一脉相承的。对深度学习理解透彻却不懂传统机器学习方法的人，我没有见过。对传统机器学习的理解将直接决定你对深度学习理解的深度，包括具体应用的能力。

Kaggle在今年对2017年业界在数据科学领域使用的方法进行了总结，深度学习在最常用的方法中排名非常靠后。其实这很合理，使用深度学习本身是有相当的门槛的，我在第九章开篇会做一个简单的介绍。而使用最广泛的机器学习算法，是逻辑回归。这份完整的报告参见这里：https://www.kaggle.com/surveys/2017

其中，对于最常用的机器学习算法相关的内容，我贴图在这里：

所以，不要被媒体带跑。媒体只挑最吸引眼球的东西报道，但这些东西不是全貌。媒体写一篇报道写完就完了，但是具体进入一个领域，远远比写一篇报道难。踏踏实实学好基础，认清每一种方法之间的区别和联系，思想和演化，过去和未来，对整个领域有一个全盘的了解，在我看来是最重要的。也是在一个领域能否扎根的关键。我们可以打赌，五年以后，人工智能领域最火的词，绝不是“深度学习”四个字。但那个最火的词，肯定和“深度学习”以及其他机器学习算法有着千丝万缕的联系。这就好像，其实，现在的深度学习，和“神经网络”，进而和“逻辑回归”，进而和很多具体领域的其他方法，如图像处理领域的“卷积”等等，都有着巨大的联系。

• 提问者 神经旷野舞者 #1

  总以为机器学习领域的算法都是分散的，就是这个算法解决不了了又换个算法，这些算法直接有基本普遍的联系吗

• liuyubobobo 回复 提问者 神经旷野舞者 #2

  如果非要说机器学习的算法是分散的，那么传统的算法也是分散的。任何一个学科里的方法都是分散的。但是在任何一个领域里，既然都是解决共同的问题而用的，他们又在一个体系里，有普遍的联系。

• 提问者 神经旷野舞者 回复 liuyubobobo #3

  学习的话那就是是应该关注理解好问题，为什么有这些问题，问题的重要性是什么，然后看有哪些算法能解决这个问题

点开查看后面5条评论

Answer 2

慕慕9414451 2018-02-01 08:05:30

我觉得和楼主很像。对新的领域不懂，所以会考虑很多问题。无论问题深浅，bobo老师都耐心细致，真的很棒！