永远退出机器学习界！(5)

无独有偶，在知乎上也有关于「为什么不喜欢人工智能」的讨论。

大体就是黑盒模型、炒作概念，深度学习的垄断让「算法工程师」这个名称也引发争议。

有研究者曾总结过人工智能研究的四宗罪：

1. 技术更新过快，三天不看论文就out了

学习是一件好事，但过快的迭代速度和海量的论文让研究者焦头烂额，一天的专注学习可能到了明天就落伍了。

并且很容易就会idea撞车，或者手里的sota模型还未发表就已经夭折。

2. 资金耗费过大

大规模预训练的范式确定后，普通的研究者很难再在排行榜上分一杯羹了。

收集、下载大规模训练数据要钱，标注数据要钱，训练模型所需的硬件设备更是金钱堆起来的。

甚至只要数据够大，资源够强，即便方法不够出类拔萃，你的模型可能也比别人学的更快，性能更强。

3. 艰难地改进模型

深度学习的黑盒模型是一个老生常谈的问题了，但对于程序员来说却是一种精神折磨。

性能不够强、没收敛、预测结果不符合预期，「炼丹师们」面对着模型和参数只能欲哭无泪。创造代码可以让人快乐，但调参却不会：性能提升了，但怎么提升的？没人知道！