深度学习最终会淘汰掉其他所有机器学习算法吗？

没有一种算法会淘汰所有的算法，深度学习也不例外。

要证明这点，我们可以来看看Wolpert and Macready在1997年提出的No Free Lunch Theorems（免费午餐理论）。

这个定理告诉我们,对于同一领域任意两个学习算法A和算法B,两者迭代运算之后对于问题Q的解决的所有可能性的累加和是相等的，也就是说, 脱离了具体的某一问题问题, 空谈哪个算法更好或者更坏是没有太大意义的, 因为如果考虑所有可能的问题, 那么所有的算法结果都是一样的。一种算法只是针对某一问题来说是最好的，如果算法A针对问题M优于算法B，那么算法B必定会在同一领域对的问题N上优于算法A。

目前的深度学习主要是基于神经网络的深度学习，这种算法由于能自动的学习和迭代样本的计算结果的表示,因此比较适合适合像图像, 语音, 文本等原始样本和数据特征之间相差很大，无法用一般统计方法提前特征值的情况, 这也是现今深度学习在这些领域能取得重大进展的一个非常重要的原因， 而另一方面, 仍然有相当多的问题分析中, 其数据的原始样本和数据的特征之间差别不大, 这个时候, 使用深度学习开销和性能将比不过传统的统计方法。毕竟工程问题除了要考虑精准度外，还要考虑成本，从这个角度讲，传统的统计检验提取特征值的方法成本还是要远低于深度学习的算法的。

任何技术或者算法或者语言的发展都不是为了打败其他的技术，算法，语言，科技的发展是包容的，是互相学习，互相进步的一个过程，人工智能的发展还需要更多优秀算法的迭代才能焕发出蓬勃的生命力，而不是一味的用所谓的高级算法替代甚至淘汰别的算法。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！