¿Cuáles son algunos mitos comunes que existen hoy sobre el aprendizaje automático?

Los modelos de aprendizaje automático sirven para explicar el “por qué” y luego las personas toman decisiones basadas en su interpretación del modelo. Si bien hay casos de uso para esto, no es un trabajo para productos de datos de aprendizaje automático.

Relacionado pero diferente, que “No puedo confiar en modelos que no entiendo”. Si tomamos esto literalmente, ni siquiera podemos usar computadoras o nuestros teléfonos móviles.

No tener un buen modelo para cualquier pregunta que haga una empresa es una señal de incompetencia o falta de datos. A menudo es la pregunta que no es buena.

Un buen modelo (en términos técnicos) que no genera resultados es un mal modelo. A menudo, el modelo es bueno, el problema es el caso de uso o la falta de él.

Si tiene aprendizaje automático, no necesita estadísticas o, si las conoce, no necesita aprendizaje automático. Naturalmente necesitas los dos.

Creo que con lo que más me encuentro es que puede arrojar cualquier dato de descuido en un algoritmo y tiene la garantía de obtener un resultado que básicamente imprime dinero. Que cualquier dato debe tener un patrón y la computadora lo encontrará sin intervención humana, preparación de datos o experiencia humana.

Simplemente, el mito de que el conocimiento es explicable en términos de lenguaje (y, por supuesto, el lenguaje humano puede traducirse al lenguaje de máquina de ceros y unos). Sin embargo, el lenguaje es como una red de pescadores que, en el mejor de los casos, envuelve el conocimiento y se desconoce tanto que fluye a través de él. La experiencia directa de los humanos ayuda a llenar los vacíos (más o menos). Las máquinas no están vivas y no pueden llenar ese vacío, por lo que solo dependen de la red (o una traducción de una traducción). El modelo es buscar el Arco perdido usando una traducción de una traducción de la Biblia …

Este artículo podría ser de interés: Poner los mitos de Big Data a descansar – IBMdatamag.com

Su salida del modelo son mitos, si no tienen validación cruzada.