沒有一種算法會淘汰所有的算法，深度學(xué)習(xí)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(lǐng)域任意兩個學(xué)習(xí)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(jié)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(yōu)于算法B，那么算法B必定會在同一領(lǐng)域?qū)Φ膯栴}N上優(yōu)于算法A。

目前的深度學(xué)習(xí)主要是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)，這種算法由于能自動的學(xué)習(xí)和迭代樣本的計算結(jié)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(shù)據(jù)特征之間相差很大，無法用一般統(tǒng)計方法提前特征值的情況, 這也是現(xiàn)今深度學(xué)習(xí)在這些領(lǐng)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(dāng)多的問題分析中, 其數(shù)據(jù)的原始樣本和數(shù)據(jù)的特征之間差別不大, 這個時候, 使用深度學(xué)習(xí)開銷和性能將比不過傳統(tǒng)的統(tǒng)計方法。畢竟工程問題除了要考慮精準(zhǔn)度外，還要考慮成本，從這個角度講，傳統(tǒng)的統(tǒng)計檢驗提取特征值的方法成本還是要遠(yuǎn)低于深度學(xué)習(xí)的算法的。

任何技術(shù)或者算法或者語言的發(fā)展都不是為了打敗其他的技術(shù)，算法，語言，科技的發(fā)展是包容的，是互相學(xué)習(xí)，互相進步的一個過程，人工智能的發(fā)展還需要更多優(yōu)秀算法的迭代才能煥發(fā)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(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！