在[db:标签]幻小说[db:标签],竞争绝对是非常有用的。但是实际上,这1000个模型的集合无法在生产中按比例扩展,这就是为什么如果将其用作黑匣子,那么获胜者的解决方案可能会毫无用处。
但是有更多人反对卢克。其中有研究人员谁是kAggle比赛的获胜者或参与者。他们认为AI竞争确实为科学做出了贡献,并产生了许多见解和有效方法。等等,您不能说这是“无用的”。以下是用户的一些看法。
Andres Torrubia @antor:本次比赛的测试组(第1阶段)为40万例。在最近的分子竞争中,我确实相信(+匮乏)有助于科学。不同的顶级车型之间的差距可能是由于运气造成的……但这与您的“无用”观点不同。
Roy K @roycoding(方言):我既是怀疑主义者,也是乐观主义者。我同意获胜者可能不是最好的模型,但是我认为这些类型的比赛可以更好地了解哪种方法适合相关任务。更不用说将来潜在的转移学习了。
Jean-Fran ois Puget @JFPuget(本质上反对,但也承认作者的观点有些道理):如果您是对的,那就是模型的性能只是运气的一部分,那么在各种比赛中,表现都没有相关性,显然情况并非如此。但是,您的许多观点都很好。例如,图像网络导致可笑的过度拟合。使用8年固定验证集或已使用数月的验证集是有区别的。
Bilal Kartal @bll_krtl(表示完全不同意):我完全不同意您的意见。游戏产生了很多见解,例如领域本身,方法等等。将这些见解引导到产品不一定是最短的路径,但这是竞争的初衷吗?
Xavier Amatriain @xamat(使用个人经验来驳斥作者):作为直接从Netflix赞助中受益的人,我可以100%地说这篇文章是完全错误的。不要相信您要问所有赞助@kaggle的公司。
读者朋友,您是否同意本文? AI竞争可以产生有用的模型吗?它有一定的``运气''成分可以获胜吗?欢迎留言。
严禁未经正式授权转载本文,侵权行为将受到调查。猜你喜欢
- 2022-06-15 人工智能中的药物设计:应用与趋势
- 2022-06-15 上海人工智能这一年:累计开放应用场景30个涉10个领域
- 2022-06-15 盘点|人工智能语音的3种应用:机器人、语音助手、智能家电
- 2022-06-15 AI场景应用产业发展|数据堂
- 2022-06-15 人工智能应用领域、场景及未来发展趋势
- 2022-06-15 目前人工智能应用场景有哪些?开课吧
- 2022-06-15 大数据和人工智能:3个真实世界的应用案例
- 2022-06-15 为什么第三次人工智能浪潮需要“可信AI”?
- 2022-06-15 AI+教育,这4个应用场景值得参考
- 2022-06-15 “新一代人工智能”十大应用场景落地北京亦庄
- 最近发表
- 随机tag