(廢文模式 on)
寫著寫著,漸漸發現可能會走向純粹地紀錄與分享修這堂課程的過程(基本上會採用條列式流水帳的方式來記錄),並穿插一些筆者自己對ML的看法與心得(翻譯),實作技術層面的介紹與討論的篇幅可能相對非常少甚至忽略...(其實就是忽略 XD)
希望有興趣看下去的讀者可以先大致了解往後的文章方向~
(廢文模式 off)
這個小節透過谷歌前 CEO 施密特的一番話,來帶出機器學習的另一個核心觀點:
「取代人力」
不同於前面幾個小節提過的,資料是機器學習不可或缺的一環,這是機器學習要成功的關鍵無庸置疑。但機器學習在應用層面的本質,其實一直到了這一小節才由施密特所帶出,機器學習所要完成的事情其實是需要大量人力來解決的任務,無論是提供腦力或是勞力。但這中間又會衍伸出其他的問題:
「什麼樣的問題是需要大量人力的呢?(腦/勞)」
這邊筆者礙於自身見識,還沒辦法有一個很明確的推論或是想法,但筆者在此可以提供一個討論點:
「當今人類無法解決的事情,是否能用機器學習來完成呢?」
筆者認為這其實是一個值得探討的問題,以現今廣為人知的機器學習為例:
如果是像「全自動人類情感判讀系統」這種乍看天馬行空,卻又能給出一點像樣道理的題目呢?
乍看之下似乎有理,但這可以透過機器學習來完成嗎?即便是周遭最親密的人們,我們有辦法判讀出他/她對於某件事情的反應或是看法嗎?
(終於捱到週末了,不過,覺得維持寫一點點一點點的好像才能持續... 所以之後的篇幅可能都不會太長XD)