中文譯文：

深度學習將代替機器學習並淘汰它們嗎，在簡單問題上深度學習是不是顯得太複雜了呢？我們就這個討論從兩方面探討一下。

先看一下Ran Bi 在2014年10月說道：

深度學習近年來發展速度很快，並且取得了令人驚奇的好結果。進來有一個在Quara上有關於深度學習是否會替代機器學習的討論。那麼像BP、HMM會像感知機一樣被淘汰麼？

這個問題還是挺難回答的。一個有趣的回答來自Jack Rae，他說：

經驗結果顯示深度學習這些年來在大資料集上的預測結果確實很不錯，但這是一定的嗎？我們去年就發現在一個數量級在10億行的資料集上它的預測能力不是特別好。

他覺得深度學習在大中型資料集上卓越的預測能力學習會讓別的機器學習演算法邊緣化，頻臨滅絕。其他的機器學習演算法會被淘汰因為人們一旦遇到模式識別等的問題第一個想到的就是用深度學習的方法去解決。

另一方面，大多數人仍然相信深度學習不會代替其他的模型或者演算法。Jacob Steinhart的意見收穫了大量的贊，他寫道：

1.對於大多數的應用，像一些簡單的演算法如邏輯迴歸、支援向量機表現的已經很不錯了，使用深度學習會讓問題複雜化。

2.深度學習是可以應用到大部分領域的，但當你從事某一領域，知道這一領域的機器學習演算法的話，你完全可以使用它，這時機器學習演算法工作的也不錯(這句話就是說術業有專攻，什麼領域用什麼演算法，這樣效果更好)。 現在已經有一些工作去把各領域的知識融入到深度學習中的，但這並不能完全替代原有的。

上圖是一個關於機器學習演算法的時間線來自於Eren Golge

就像在20世紀早期SVM一樣，深度學習會成為主流，但首先深度學習應當解決其在大資料需求及複雜性方面的問題，這樣它才會成為人們的第一選擇。

Ran Bi是紐約大學資料科學計劃的研究生。在紐約大學攻讀研究生期間，她已經在機器學習、深度學習和大資料分析方面做了一些專案。