1. 机械进修意味着从数据中进修，而AI呢是一个比拟炫酷时兴的词。
机械进修基于如许的假定：我们可以经由过程将准确的数据放到准确的算法中去练习处理一系列庞杂的成绩。当你须要融资或许宣布产物的时刻可以绝不迟疑的称之为人工智能（AI），然则你心里须要明确如今AI是一个简直可以代表一切时兴用词。
2. 机械进修包含数据和算法，但最重要的部门照样数据。
机械进修算法特殊是深度进修最近几年来获得了极年夜的胜利，然则你须要明确的是数据才是使机械进修成为能够的症结身分。你可使用简略的算法完成机械进修，然则没有好的数据你将步履维艰。
3. 假如没有年夜量的数据，那末你照样安心的应用简略的模子吧。
机械进修的义务是从数据中练习出一种形式，摸索由参数界说的模子空间。假如你的参数空间太年夜的话，模子就会在练习数据上涌现过拟合，并使得模子掉去泛化性。 关于过拟合的具体说明须要许多的数学推到的，然则你须要记住的是，模子越简略越好。
4.机械进修的才能只能达到练习数据所能供给的程度。
“无用输出，无用输入”很好的反应了机械进修的局限性。机械进修只能在供给的练习数据中发明形式，不克不及够平空进修出新形式。关于相似分类的监视进修义务来讲你须要鲁棒的搜集准确标注的特点丰硕的数据来作为练习数据。
5.只需练习数据具有代表性的情形下机械进修才会有用。
就像教课书中已经教会我们的一样“曩昔的表示其实不是将来成果的保证”，机械进修只能在于练习数据同散布的数据上有用。你须要对练习数据和现实数据之间统计上的纰谬称性坚持足够的警醒，同时须要坚持模子赓续地被练习让它不落后。
6.机械进修中最庞杂的任务来自于数据转换。
在浏览文献的时刻你会看到许多目眩纷乱算法，你或许以为机械进修最重要的任务就是选择算法和调理参数。但真实的情形是：机械进修中须要做的最多的任务就是数据清洗和特点工程，你须要将数据的原始特点转换到能更好的表现个中信息的新特点上去。
7. 深度进修是一项反动性的技巧，但却不是包治百病的灵丹妙药。
近年来深度进修被捧上神堂，远远跨越了其他的机械进修算法。个中的缘由之一就是深度进修可以主动完成传统机械进修算法中须要特点工程能力完成的义务，特殊是在图象和声响数据的处置中更是如斯。然则我们须要明确深度进修不是万金油，你只能在必定的规模内运用这项技巧，同时你也须要在数据清洗和变换上花上许多的精神才行。
8.机械进修极易遭到误操作的影响。
“机械进修算法不会杀人，而人类却能够会自投罗网”。当机械进修算法掉效的时刻，很少由于算法自己的的毛病，而年夜多半情形下倒是工资的毛病形成的。许多情形下你在练习数据中不当心引入了以为毛病，或许引入了误差和其他的体系毛病。你须要时辰坚持疑惑的立场来应用机械进修算法，并在运用的进程中停止严厉的检讨。
9.机械进修会在不经意间完成自我预言。
在许多机械进修的运用中，明天的决议计划会影响将来搜集的练习数据。一旦机械算法模子引入了必定的模子误差，那末它会连续的搜集新的数据赓续强化这一误差。现实上有些如许的误差确切会牟取人名贵的性命。每个机械进修从业者都要在心中铭刻：不要发明自我完成的预言！
10. AI不会具有自我认识，也不会突起摧毁人类的。
使人惊奇的是，在机械进修如斯广泛的明天，很多多少人却照旧用科幻小说和片子中的情节来界说和熟悉AI。切实其实，科幻小说可以启示人的发明力，但却不该该如斯轻信科幻小说，乃至于我们对真实的世界发生误会。明天的世界曾经有许多须要我们去存眷的风险，从心怀叵测的险恶的人到无辜的被滥用的机械。所以请年夜家不要再去担忧“天网”和超等人工智能的涌现，而是应当用谨慎的心态去对待机械进修，让它加倍安康的成长为人类办事。
