機器學習正在成為網絡公司之間的一個流行詞，尤其是近期谷歌、HPE和諾基亞都宣傳了機器學習功能。但是機器學習并不適用于網絡本身，這是為什么呢？
Brocade公司首席科學家David Meyer一直深耕在機器學習和網絡領域，在擔任OpenDaylight項目技術指導委員會（TSC）的第一任主席之后，Meyer將他的工作重心轉移到了人工智能領域。
Meyer表示，盡管網絡具有“大量的計算資源和數據”可用，但是機器學習應該如何在網絡中應用尚不明確。他認為，機器學習在網絡中的應用缺少的是網絡理論。
豐富的學術工作支撐了我們今天使用的網絡，但是沒有統一的理論來定義網絡在抽象意義上該如何運行，或者網絡該如何結構化。構成互聯網的網絡當然會有一些共同的核心原則，但這些原則不是根據同一個中心理論構建的。
Meyer表示，從另一個角度來看，機器學習等同于數學，而數學需要建模。這就是為什么機器學習善于處理視覺問題，如圖像處理或手寫識別。視覺本質上可以研究，有一整套理論可以應用于其中，使得機器表現得像眼睛。
Meyer說：“我們正在試圖找出是否有一些通用的方式來構建網絡，如果不存在通用的方式，那么可能每個網絡都是一次性的。”
這是非常不利的，因為這意味著每個網絡必須單獨“學習”。它不能發揮出機器學習的優勢——即采取訓練有素的神經網絡，添加自定義的內容。Meyer表示，數據集和你解釋它們的方式必須是類似的。
缺乏理論模型只是機器學習在網絡中面臨的障礙之一，另外一個障礙是人，機器學習和網絡是不同的技能，精通兩者的專家少之又少。
Meyer說：“我們（網絡從業者）將不得不與精通機器學習的人緊密合作，或者我們必須自己去掌握機器學習。”他更支持后一種方式。
Meyer說：“我嘗試為人們建立一個在職業生涯早期了解發生了什么的機會，將這些納入到他們的思想中。”
原文鏈接：https://www.sdxcentral.com/articles/news/machine-learning-hard-apply-networking/2017/01/?utmsource=SDxCentral.com+Mailing+List&utmcampaign=6d2e290785-SDxCentral+Newsletter+1%2F03%2F17&utm_medium=email&utmterm=0c2b6e504a2-6d2e290785-81970457
京公網安備 11010502049343號