详细内容或原文请订阅后点击阅览
象牙塔笔记：方法论
对抗“快速输入、溢出”的科学方法论的简短介绍《象牙塔笔记：方法论》首先出现在《走向数据科学》上。
来源:走向数据科学这是我的象牙塔笔记系列中的第 2 篇文章。在第 1 篇文章中，我写了有关这个问题的文章：每个数据和人工智能项目如何启动。
这次的主题是方法论，以及为什么我们跳过它时经常会发生“迅速进入，溢出”的情况。
提示输入，倾斜输出
当我的一位好友在某个有数百个赞的随机帖子下评论“你给我发了 AI Slop”时，我微微一笑。该帖子包含一个决策矩阵，为特定数据工作负载使用哪个平台提供了指导，尽管其标准值得怀疑。撇开质量不谈，它看起来确实很棒。
我的乐趣并没有就此结束，因为我想到了如何将 AIS（即“AI Slop”）作为一个按钮添加到现在所有社交媒体的“点赞”按钮旁边。
如果任何 YouTube 人读过这篇文章，这就是一个功能创意，而不是询问人们，“这感觉像人工智能吗？”
尽管如此，YouTube 还是抓住了“感觉”部分，因为我们都倾向于根据情绪做出决定，而这往往会牺牲批判性思维。
既然我们现在有了人工智能，为什么我们还要把精力投入到经验主义、理性主义和怀疑主义上呢？截止日期不在我们这边，我们有这个新工具可以为我们提供输出，无论“迅速输入，溢出”效果如何。
但假设您确实对平台 A 与平台 B 在机器学习 (ML) 功能方面的比较感兴趣，因为您注意到公司中的两个数据团队针对几乎相同的 ML 用例使用不同的平台。因此，您的目标是对两者进行客观概述，并建议仅保留其中一项来降低开发成本。
现在怎么办？您如何确定是否应该整合机器学习工作负载？
当然不是纯粹依靠人工智能，而是依靠......
查询路径
所以你又回到了象牙塔时代，在那里你被告知每一个发现都包含在“方法论”中：
问题 → 假设 → 检验假设 → 结论
然后，在对您的问题的意见开始出现之前，您声明：
感谢您的阅读。