人工神经网络的优缺点

炒作，为什么？
Niklas Donges 觉得，最近的神经网络是火的有点过了。当然，这也是有原因的：

原因之一：数据

几十年来积累的海量数据，在2018年，迎来了最光辉的时刻！使得神经网络能够真正展示自己的潜力。数据之于神经网络，就好比波纹之于 JoJo，气之于龟仙人。

数据越多，神经网络越浪！

相比之下，传统的机器学习算法在数据量面前，会触及一个天花板。一旦到达极限，传统机器学习算法将无法跟上数据增长的步伐，性能则停滞不前。我们用一张图来更直观的说明：

原因之二：计算能力

另一个非常重要的原因是现在的计算能力。想想比特币矿机，单机就能达到那样恐怖的算力！

强大的算力能够处理更多数据，节省更多时间。根据人工智能领域的重要人物 Ray Kurzweil 的说法，计算能力是呈指数增长。

是不是想起了摩尔定律？

原因之三：算法

增加深度学习流行度的第三个因素是算法本身已经取得的进步。这些最近在算法开发方面的突破，主要是因为它们比以前运行得更快，这就可以尽可能充分的的利用所有数据，做到不浪费。

原因之四：营销

营销，就是给太上老君八卦炉扇火的那把芭蕉扇，可以把星星之火，扇成森林大火。

自1944年提出神经网络概念以来，已经被炒过一轮了，市场已经疲软，没人相信和投资了。

“深度学习”这个词，赋予了它一个新的名字，使新的炒作成为可能。这也是为什么，许多人错误地认为深度学习是一个新创造的领域。

此外，还有其他一些因素促成了深度学习的营销。例如第一个机器人公民 Sophia，以及机器学习等主要领域的几项突破等等。

Pros vs Cons
抛开这些虚幻的因素，接下来 Niklas Donges 通过和传统机器学习算法的对比，阐述了神经网络的优缺点。

优点

神经网络的主要优点，在于它们能够胜过几乎所有其他机器学习算法。例如在癌症检测中，对于性能的要求是非常高的，因为性能越好，可以治疗的人越多。

缺点1：著名的“黑匣子”问题

神经网络最着名的缺点，可能就是“黑匣子”性质。这意味着你不知道你的神经网络将会如何产出结果，更不知道为什么会产生这种结果。

例如，你把一张猫的图像放入神经网络，结果告诉你这是个汽车 ?。而且你也没办法找出问题的症结所在。

相反，像决策树这样的算法，是遵循一定的逻辑性，是可被解释的，你就很容易找出问题所在，并进行调整。在某些领域，这种可解释性非常重要！比如银行。

银行不会使用神经网络来预测一个人的信誉。银行需要向客户解释为什么没有获得贷款，而神经网络恰恰无法做出解释。

假如 Quora 决定使用神经网络算法删除垃圾帐户，结果就像是灭霸的手套一样，反正你也不知道它是根据什么规则定义一个账户是不是垃圾账户，结果就被灭了。

你觉得被删除账户的用户，会接受“我们也不清楚，这都是计算机决定的”这种解释吗？

以及，你能想象马云收购一家公司，只是因为“电脑”说他需要这样做？

缺点2：耗时耗力

虽然有像 Keras 这样的库，使得神经网络的开发变得相当简单。但有时你需要更多地控制算法的细节，

例如试图用机器学习来解决一个从没有人做过的难题。你可能会使用 Tensorflow，它是为你提供了更多的可能性。但它更复杂，开发需要更长的时间（取决于你想要构建的东西）。

那么对于公司管理层来说问题就出现了，真的值得动用昂贵的工程师花费数周时间吗？可能用其他算法，一天就搞定了。

缺点3：数据饕餮

神经网络比传统的机器学习算法通常来说，需要更多的数据。数千，甚至数百万的标记样本才够。这么多的数据从哪儿来？显然是个非常让人头疼的问题。

相较而言，像朴素贝叶斯这样的简单算法，可以更好地处理小数据。

缺点4：贵

这里的贵，指的是算力的昂贵，时间的昂贵。最先进的深度学习算法，实现真正深度神经网络的成功训练，可能需要数周才能完全训练完毕。

然而大多数传统的机器学习算法训练时间要少得多，从几分钟到几小时或几天不等。

神经网络所需的计算能力在很大程度上取决于数据的大小，也取决于网络的深度和复杂程度。只有一个层 + 50个神经元的神经网络，当然比1000个决策树的随机森林快得多。相比之下，有50个层的神经网络，将比仅具有10个决策树的随机森林慢得多。

总结
虽然 Niklas Donges 认为神经网络被过度预期了。但他同时认为，我们生活在机器学习复兴中。因为它越来越亲民，越来越多的人能够用来构建有用的产品。

但一些现实问题，我们也不能忽视。目前，只有少数人了解可以用神经网络做什么，并且知道如何建立成功的数据科学团队，为公司带来真正的价值。

虽然我们拥有如此多的天才级博士工程师，他们深谙机器学习背后理论，却缺乏对商业方面的理解。

同时，企业的高管，CEO，并不了解深度学习。他们被忽悠的认为，公司面临的所有问题都会被人工智能在未来几年内解决掉 ?。

所以，我们需要更多人来衔接两者的鸿沟，从而产生更多对我们社会有用的产品。

人工神经网络的优缺点相关推荐

人工神经网络的功能特点,人工神经网络的优缺点
人工神经网络的特点有哪些人工神经网络的特点和优越性,主要表现在三个方面:第一,具有自学习功能. 例如实现图像识别时,只在先把许多不同的图像样板和对应的应识别的结果输入人工神经网络,网络就会通过自学习 ...
人工神经网络的应用实例,人工神经网络简单例题
什么是神经网络,举例说明神经网络的应用我想这可能是你想要的神经网络吧! 什么是神经网络:人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs) ...
人工神经网络的硬件实现,人工神经网络基本概念
人工神经网络的论文神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式. 逻辑性的思维是指根据逻辑规则进行推理的过程:它先将信息化成概念,并用符号表示,然后,根 ...
人工神经网络技术及应用,人工神经网络最新应用
1.什么是人工智能最大的平台? 一.百度--自动驾驶百度在AI领域早已深耕已久.今年4月,百度公布了"Apollo(阿波罗)计划",向全产业链开放百度在自动驾驶方面的技术能力,打 ...
人工神经网络文献综述,人工神经网络参考文献
人工神经网络的论文神经网络的是我的毕业论文的一部分4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式. 逻辑性的思维是指根据逻辑规则进行推理的过程:它先将信息化成概念,并用符号表示,然后,根 ...
人工神经网络研究综述,人工神经网络分析方法
1.人工神经网络的发展趋势人工神经网络特有的非线性适应性信息处理能力,克服了传统人工智能方法对于直觉,如模式.语音识别.非结构化信息处理方面的缺陷,使之在神经专家系统.模式识别.智能控制.组合优化. ...
系统逻辑人工神经网络专家系统等人工智能技术应用于
设计一个简单的人工神经网络识别 matlab源程序神经网络的是我的毕业论文的一部分. 4．人工神经网络人的思维有逻辑性和直观性两种不同的基本方式.逻辑性的思维是指根据逻辑规则进行推理的过程:它先将 ...
一个完整的人工神经网络,人工神经网络搭建步骤
(急)如何用MATLAB建立ANN(人工神经网络模型)? 问题描述:有两个自变量,一个因变量,10个样本(这里就取少一点好了).用实际问题来表述,假设一个股票,开盘价x1,收盘价x2,第二天的股价y. ...
人工神经网络神经网络区别_人工神经网络概述
人工神经网络神经网络区别 Artificial neural networks (ANN) in machine learning (artificial intelligence) are com ...

人工神经网络的优缺点

优点

人工神经网络的优缺点相关推荐

最新文章

热门文章