為什麼沉寂幾十年的機器學習現在突然熱門起來了？

1樓：黑馬天才

各位大佬都從巨集觀上談了自己的看法，我就從一些機器視覺業內的小事情來談一談我自己親身的體驗。在機器視覺行業裡，大概包括分選（有無，方向，種類），測量，定位，瑕疵檢測等幾個方面。

一般來說，測量和定位都可以通過一些特定的影象處理演算法來做出一些通用性比較強的軟體。但是分選和瑕疵卻不是這樣。分選要做很簡單，但是要做出乙個通用性很強的就很難，因為要分選的材料太多了，而且工業現場環境的因素無法估計，所以要做乙個通用性很強的，魯棒性也很強的分選軟體在沒有機器學習的情況下是比較難的。

瑕疵檢測也是一樣的，瑕疵無法定義的問題讓它的困難程度比分選高了乙個等級。

這個時候機器學習就能派上用場了，通過大量樣本的訓練和一些演算法的輔助讓它能夠在這些場合大放異彩。

所以我覺得是現在工業自動化的異軍突起讓機器視覺火了起來，然後機器視覺又讓機器學習在這個行業火了起來。

2樓：趙子沂

我不認為機器學習沉寂了幾十年，作為該領域的科研人員，我覺得機器學習的方法一直在發展。從早期的神經網路，到後來的支援向量機，再到最近的深度學習，演算法是一直在發現的。深度學習之所以成功，是因為大規模資料和計算硬體的發展，方法的基礎其實並不新鮮。

目前看上去的大火，是由於資本的介入，資本不斷地向技術提出新的「科幻」要求從而刺激市場，技術則仰仗自身的快速發展大膽地進行回答。這場火會隨著技術逐漸無法繼續刺激資本市場而褪去，最後我們繼續默默搞。

3樓：TrueOrDare

因為幾年前的硬體效能不足以支撐大資料，只有高效的計算效能才能給深度學習一類的人工智慧提供基礎。機器學習深度學習很早便已提出，但是因為硬體無法去實現它的效果所以直到現在才火起來

4樓：李巴巴

一直有人研究，只是之前的神經網路和支援向量機效果有限，然後近幾年有了深度學習的阿爾法狗下圍棋的事情後，算是乙個突破，又引起了人們的興趣。