深度學習最終會淘汰掉其他所有機器學習算法嗎？

沒有一種算法會淘汰所有的算法，深度學習也不例外。

要證明這點，我們可以來看看Wolpert and Macready在1997年提出的No Free Lunch Theorems（免費午餐理論）。

這個定理告訴我們,對于同一領域任意兩個學習算法A和算法B,兩者迭代運算之后對于問題Q的解決的所有可能性的累加和是相等的，也就是說, 脫離了具體的某一問題問題, 空談哪個算法更好或者更壞是沒有太大意義的, 因為如果考慮所有可能的問題, 那么所有的算法結果都是一樣的。一種算法只是針對某一問題來說是最好的，如果算法A針對問題M優于算法B，那么算法B必定會在同一領域對的問題N上優于算法A。

目前的深度學習主要是基于神經網絡的深度學習，這種算法由于能自動的學習和迭代樣本的計算結果的表示,因此比較適合適合像圖像, 語音, 文本等原始樣本和數據特征之間相差很大，無法用一般統計方法提前特征值的情況, 這也是現今深度學習在這些領域能取得重大進展的一個非常重要的原因， 而另一方面, 仍然有相當多的問題分析中, 其數據的原始樣本和數據的特征之間差別不大, 這個時候, 使用深度學習開銷和性能將比不過傳統的統計方法。畢竟工程問題除了要考慮精準度外，還要考慮成本，從這個角度講，傳統的統計檢驗提取特征值的方法成本還是要遠低于深度學習的算法的。

任何技術或者算法或者語言的發展都不是為了打敗其他的技術，算法，語言，科技的發展是包容的，是互相學習，互相進步的一個過程，人工智能的發展還需要更多優秀算法的迭代才能煥發出蓬勃的生命力，而不是一味的用所謂的高級算法替代甚至淘汰別的算法。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！