1樓：夜的巨貓
這恐怕是最近一段時間AI的發展給人們帶來的錯覺。如果是那樣人類長久以來知識邊界拓寬的程序將會停滯。以現有的建模方式，頂多可以提出一些在特定條件下符合得挺好的經驗公式。
物理學就會像中醫一樣，完完全全變成經驗學科，從而偏離原來一直依靠的實驗+歸納總結+邏輯推理這套行之有效的理解自然界的方式。人類不會在這條路上走多遠。AI也許能很好地為第谷的資料建模，發現克卜勒定律，但是絕對不會在此基礎上發展牛頓定律, 除非是強人工智慧。
2樓：
乙個能完美擬合現代社會的機器的功耗，不會比整個社會執行的功耗小多少。
複雜系統完全擬合，基本就是要重新建設乙個一模一樣的系統，其實沒有意義。
3樓：Michael Jackson
嘗試借用「頻率統計學派」和「貝葉斯統計學派」的概念來回答一下，
頻率統計學派，假設模型引數是未知的定值，如果樣本量足夠大，而且模型族覆蓋了真實分布，那麼就可以估計出模型的真實固定引數。
貝葉斯統計學派，假設模型引數是隨機變數，引數分布的高熵先驗+觀測資料（果）—>引數分布的低熵後驗（因）
那麼問題來了：模型族是否能覆蓋真實分布？引數與觀測資料之間是否有明確的因果關係？
對於第乙個問題，資料科學的問題就是，模型族不夠好。
對於第二個問題，資料科學的問題就是，引數和觀測之間可能沒有明確的因果關係。
而人工設計的物理/數學模型就是要通過人的智慧型來解決這倆問題。
4樓：郭斯特
大資料最終擬合出來的終極模型就是精確的數學和物理模型只不過不再需要人來建模了機器會自動建模
神經網路會產生網路方程經過變換就是數學和物理模型
非線性回歸已經可以暴力遍歷非線性模型找到最合適的然後擬合引數
5樓：謝靈
人類的科技一直是工匠行為，自古到今是傳承的，屬實驗取資料行為。
人類不懂得科學理論時，或科學理論為偽時。工匠方法是最合理的、實用的。
資料工匠方法就包含了正確的科學理論，只是人類看不出來，或人類用錯誤的理論去解讀實驗資料。
這些解釋就變得不重要的，只要認準資料就行。
所以資料就暗含了正確的科學建模。
6樓：有道理
我們需要物理數學經濟等等領域知識參加建模。
這一波以Deep learning為代表的AI缺乏可解釋。試想如果某研究員用model free強化學習訓練出自動駕駛Agent。 但只是看著agent 開的比人好，缺不知道為啥這麼開。
你敢乘坐這輛車麼？不可解釋的黑盒子系統，無法以命相託。
2. 領域知識的介入，能大大減少資料的使用量，提高使用率。 人類走到今天，依靠模組化結構化的知識積累和傳播。
人類社會維度之高，遠遠不是圍棋能比擬的。現實中任務之複雜，也不是乙個Loss函式可以定義。 乙個複雜問題的分解，定義本身就需要應用大量領域知識。
只有分解到特定任務，清晰定義優化目標函式，後才能用資料擬合。總不能靠一堆感測資料， 乙個Loss函式，靠堆資料」端到端」堆出來乙個智慧型吧。
個人覺得人工智慧以後的方向是人機結合的知識發現和知識應用。 希望有一天，我們能更好解決AI的可解釋， 因果關係，知識表達。 如此，AI和人共同探索各個學科，加快科技發展。
拋棄領域知識， 試圖用一堆新聞， 一堆歷史資料，訓練出個巴菲特是不可能的。坑中人言：坑大坑深勿試
如何看待快餐式文學大行其道？
微雨Dandelion 郭敬明雖然書寫的不好，但是有句話說的對 看書無論是什麼書，總比不看書好的多。有需求就有市場，快餐式文學正是市場的選擇，存在即是合理。 韓夏末小朋友的爹 當心，你這麼問想砸人飯碗嗎？定然會有大批網路寫手以及他們的支持者來抨擊你，想找有意義的書籍很簡單，把時間線上調十年，十年之前...
怎樣看待當今時代中醫的大行其道？
周陸軍 個人覺得主要還是盲從，其次是讀書少，04年前，農村裡面還是好多初中沒有上完就出去打工了 義務教育zf報告不知道資料為什麼那麼漂亮 我都有好多初中同學沒有讀完，就去工地，工廠了。初中生物，物理，化學，實實驗課是完全沒有，死記硬背，實驗原則 對照，單一變數，平行重複。你看看中醫能否可以證明下?不...
如何評價目前線上模聯大行其道？
萬白水山今 我是沒參加過得 但是從字面意義山上來看感覺意義不大 在某種方面來說模聯的意義在於交流與學習 線上模聯減少了面對面的交流溝通，成為了虛無的 網路交流 沒而且有了 演講的環節 就缺少了一種鍛鍊。不如開展線下會，這樣會更好，更能鍛鍊自己。 MochiLee 利益相關 某菜雞線上模聯組織行政秘書...