045｜如何解讀機器學習技術的歷史演進和未來趨勢？

以我的在機器學習領域工作7年的經驗，

追求更大的數據集以及更大的模型以達到更好的表現，

這件事已經持續存在15年以上。

這方面的歷史可以讀讀ImageNet的歷史故事。

你會了解到從2009年開始的 ImageNet ，

如何逐步讓許多機器學習的技術民主化，

讓更多的人力投入機器學習的研究之中。

機器學習作為決策自動化重要的一環，只要做得好，

就能為企業節省大量人力成本，並且讓服務的規模更上一層，

所以各種資本都會投入機器學習的研究，追求更好的表現。

而要在具體的任務上獲得更佳的表現，基本上就是兩條路：

改善模型，以及改善數據的品質。

改善模型這條路，你可以看到從2014年起，

「深度學習 Deep Learning」蓬勃發展的歷史；

而改善數據品質這條路，

你可以看從2020開始蓬勃發展的「數據中心機器學習 Data-Centric Machine Learning」，

以及人們正在2024年書寫的歷史。

很多科技進展以及技術猛一看感覺很厲害，

但其實你只要一步一步順著歷史往前推，

了解每年的突破，其實都能預測走勢。