Esto en realidad sigue siendo un problema abierto. Mira este artículo:
[1611.03530] Comprender el aprendizaje profundo requiere repensar la generalización
Estoy seguro de que lo encontrará útil. También puede buscar en línea sobre este documento. Ya hay mucha discusión.
- ¿Qué algoritmos de aprendizaje automático se pueden considerar entre los mejores?
- ¿Cómo cambiará la inteligencia artificial nuestra vida cotidiana?
- ¿El aprendizaje automático está sobrevalorado actualmente?
- ¿Es posible usar IA para obtener nuevas ideas en física teórica y / o matemática?
- ¿El uso del aprendizaje automático creará alguna vez una máquina en el comercio de acciones / materias primas / FX que expulse completamente a los humanos del juego?
Personalmente, me importaría más su rendimiento real, en comparación con la generalidad. (Sí, son conceptos diferentes). Por lo general, después de una validación razonable, puede encontrar un modelo cuya generalidad no sea mala (bueno, no podemos asegurarnos de que sea el mejor o no). Luego, lo pondré en uso (es decir, implementación) y lo aplicaré a datos más reales. Cuando encuentre algunos datos de que el modelo actual no funciona bien (es decir, no se generaliza bien sobre estos datos), incorporaré alguna muestra nueva como esta para mejorar el modelo (ajuste fino). Los problemas relacionados en la investigación son el aprendizaje activo y la adaptación del dominio.
Echa un vistazo al artículo CVPR 2017 de este chico:
Zongwei Zhou -sobre el aprendizaje activo.
Consulte este documento sobre la adaptación del dominio:
[1612.08894] Adaptación de dominio no supervisada en la segmentación de lesiones cerebrales con redes adversas