机器学习和物理计算的区别

      我们知道，机器学习领域里面存在大量的学习算法，梯度下降，凸优化，贝叶斯，等等，其中很多基础的计算

方法在以前的科学领域频繁使用过，我们称他们为科学计算的数值方法，或者可能的话解析算法也可以包括进来。

早在上个世纪60年代，物理学领域的计算数据量就达到了以TB为单位的量级，这和现代互联网数据的量级是相当的，

同样在基础算法上，两者有大量雷同的地方，所以问题是区别在哪里？？？？？？

        本文提出一个大胆的猜测，那就是物理学是通过主观认知（计算和算法）对客观世界的极限进行探索，而现代机器学习

则是通过类似的算法对主观认知本身的极限进行探索！！！！！ 

    毋庸置疑，我们所处的时代是一个人工智能的开启时代。上个世纪统计学领域那些奠基性的理论让人肃然起敬，比如没有免费午餐定理证明不存在通用的学习算法可以普遍使用，对于未知样本所有学习算法包括随机猜测是在同一起跑线上。在高层次的观点来说，我们要将机器学习看做是一种艺术，而不仅仅是一种计算的算法！