最近研究了一下AI在工科中的应用论文，感觉就是蹭热度的，没毛实用性
【 在 vanish 的大作中提到: 】
: 看各种领域的应用  
: 很多还都发在顶刊了  
:  
: \- 来自 水木社区APP v3.5.7  
: --  
:

发自「今日水木 on iPhone 13」
--
FROM 180.162.24.*

不具有外延性，模型内部插值预测还可以，想要拓展到其他问题基本不行
【 在 ColinYu 的大作中提到: 】
:  
: 错误。应用领域极其广泛，可能是你看的论文是蹭热度的  
: --  
:

发自「今日水木 on iPhone 13」
--
FROM 123.182.226.*

是的，我的感觉就是同一个问题泛化也不行。同一个问题用A数据训练的模型，对A内部的预测还可以，放到B里面就不行了。我自己的感觉有两点，一是机器学习需要设定一个目标函数，目标函数的设定就决定了机器学习的结果，所以你得先有个对结果的期待，根据期待设定目标函数，再机器学习。实际上有了这个期待，我不用机器学习也能得到类似结果。二是机器学习经常处于“看吧我能做这个”的阶段，研究经常是为了展示机器学习能做这个，结果不具有太大的科研价值。不过我接触机器学习也不多，理解也不够，还在持续学习中。
【 在 vanish 的大作中提到: 】
:  
: 即使是同一个问题泛化性是不是也没解决好？  
: 一个场景的数据训练完换个场景性能就降的没法用  
: --  
:

发自「今日水木 on iPhone 13」
--
FROM 123.182.226.*

小模型就是要重复劳动，大模型通用性强又没开源
--
FROM 112.84.218.*