Không có cách nào, tất cả các mô hình ML không phải là về sự hiểu biết hiện tượng, đó là phương pháp nội suy với hy vọng "nó hoạt động". Bắt đầu với những câu hỏi như vậy tự tin, mạnh mẽ đến ồn ào không có câu trả lời.
Vì vậy, để có được một cái gì đó xin vui lòng sử dụng khoa học ứng dụng và cơ bản khác nhau:
Sử dụng điều khiển (và đưa ra giả định về động lực học)
Sử dụng tối ưu hóa lồi (với một số điều kiện bổ sung về chức năng)
Sử dụng số liệu thống kê toán học (với các giả định sơ bộ về phân phối)
Sử dụng xử lý tín hiệu (với một số giả định rằng tín hiệu bị giới hạn băng tần)
Nhà khoa học sử dụng một số giả định prelimiary (được gọi là tiên đề) để rút ra một cái gì đó.
Không có cách nào để đưa ra bất kỳ sự tự tin nào nếu không có một số giả định sơ bộ, do đó, vấn đề không phải ở DL mehtod, mà là vấn đề trong bất kỳ phương pháp nào cố gắng nội suy mà không có bất kỳ giả định sơ bộ nào - không có cách nào để đưa ra thông qua đại số một cách không liên quan.
NN và các phương thức ML khác nhau được tạo mẫu nhanh để tạo ra "thứ gì đó" có vẻ như hoạt động "đôi khi" được kiểm tra với xác nhận chéo.
Thậm chí sâu hơn nữa là hồi quy phù hợp E [Y | X] hoặc ước tính của nó có thể là vấn đề hoàn toàn không chính xác để giải quyết (có thể pdf ở điểm Y = E [Y | X] có tối thiểu, không tối đa) và có rất nhiều điều tinh tế như vậy nhiều thứ.
Ngoài ra, hãy để tôi nhắc hai vấn đề không thể giải quyết trong AI / ML, có thể vì một số lý do bị lãng quên, đằng sau những khẩu hiệu làm đẹp:
(1) Đó là phương pháp nội suy, không phải ngoại suy - nó không có khả năng xử lý các vấn đề mới
(2) không ai biết bất kỳ mô hình nào sẽ hành xử trên dữ liệu không phải từ cùng một phân phối (người đàn ông mặc trang phục chuối để nội địa hóa cho người đi bộ)