| 查看: 2568 | 回复: 4 | ||
[交流]
秦四清：基于大数据的AI方法存在的问题 已有4人参与
|
|
基于大数据的AI方法，炙手可热，成为不少申请人的“灵丹妙药”。AI方法，是通过学习大量案例，以求获得事物的行为规则来预测未来，但本质上仍属于数理统计范畴。 不少申请人未意识到即使把该方法用到极致，也难以揭示某种复杂现象背后隐藏的真实规律。这是因为数据与规律之间映射关系的多解性在所难免。 不信，看一个例子：图1是条应力应变曲线，把峰值强度点前的数据给你，你用AI方法能探究出随峰后应变增长，应力不升反降的趋势和规律吗？答案显然是否定的。 我评阅过多份利用AI方法预测滑坡灾害的申请书，其应用令人眼花缭乱、“不明觉厉”的算法，实际上是建立斜坡位移与各类影响因素之间的统计关系。这能迷惑少数学术素养不高的评审专家。 然而，大部分评审专家门清：即使统计强相关，也并不表明所得因果关系可靠，这源于上述的多解性。 |
回复此楼
2楼2022-06-04 23:31:11
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
小木虫: 金币+0.5, 给个红包，谢谢回帖
|
私以为恰恰相反，他看到了ai的本质及数学回归问题，既然是数学问题，就缺少针对具体问题而言的物理内核，合理‘外推’预测也就不可能。因此，应提倡探究问题的物理本质，从明确的机理层面把握事物规律，而不是搞出一堆现象数据再丢到数学模型中。 发自小木虫Android客户端 |
3楼2022-06-05 10:00:41
★
小木虫: 金币+0.5, 给个红包，谢谢回帖
小木虫: 金币+0.5, 给个红包，谢谢回帖
|
这是因为机器学习更关注数据与结果之间的相关性分析，解释性和类比性差，而传统的物理分析方法关注现象和结果的因果关系分析，其解释性好类比性强，两者各有利弊。未来的趋势是要将两者融合起来，形成优势互补，从而建立更为强大的分析模型。 发自小木虫Android客户端 |
4楼2022-06-05 13:58:19
5楼2022-06-06 16:45:07
