整个搜索空间太大，只能人工设计。那么数据、经验、算力足够多了的情况下，可以用强化学习的方法搜索模型空间么？
这个场景还是比较局限的吧，我们应该庆幸强化学习还没那么全能
烧钱啊……
不是啊，不是这个意思……
我理解啊，训练集的少量标注就不用标了（训练过程中发现标注错误的除外），测试集的拿去预测一番
预测结果要人工微调，这样可以降低从0开始的优化量
我们这么卖力气的教机器，真不知会不会教出个终结者来，就是教出个审判者来也不好受啊～～
我最佩服强化学习：没有梯度，制造梯度，也要下降梯度～
这还是没把ai当自己人啊～～
（捂脸喷泪儿）白开心了。。。
是指用半监督学习方法么？
就是说，人工标注可以先有个大概没那么准确的“预标注”
可是强化学习烧算力呀
现在还是弱人工智能啊……（是这个词吧？）
准确肯定是有，就是成本太大了，像素级标注呢
我自己用安全帽检测数据集的时候就想，哟，我来标那得猴年马月
虽不太懂，但我觉得用强化学习的一个原因就是没有直接解决问题的梯度
反正不是“人工弱智·能”～～
朦胧觉得是指“感知”的人工智能吧，能进行“认知”就是强人工智能了吧，有超人工智能么～
不是吧，我觉得是算力和场景问题
目前除了游戏场景外，强化学习怎么训练是个比较大的问题。尝试—失败，尝试—失败……能够承受这种做法的商业场景非常少的
另一方面，一些场景用专家系统就行了，虽然强化学习很美好，但是专家系统稳定啊，不会暴走啊
这个场景还是比较局限的吧，我们应该庆幸强化学习还没那么全能
烧钱啊……
不是啊，不是这个意思……
我理解啊，训练集的少量标注就不用标了（训练过程中发现标注错误的除外），测试集的拿去预测一番
预测结果要人工微调，这样可以降低从0开始的优化量
我们这么卖力气的教机器，真不知会不会教出个终结者来，就是教出个审判者来也不好受啊～～
我最佩服强化学习：没有梯度，制造梯度，也要下降梯度～
这还是没把ai当自己人啊～～
（捂脸喷泪儿）白开心了。。。
是指用半监督学习方法么？
就是说，人工标注可以先有个大概没那么准确的“预标注”
可是强化学习烧算力呀
现在还是弱人工智能啊……（是这个词吧？）
准确肯定是有，就是成本太大了，像素级标注呢
我自己用安全帽检测数据集的时候就想，哟，我来标那得猴年马月
虽不太懂，但我觉得用强化学习的一个原因就是没有直接解决问题的梯度
反正不是“人工弱智·能”～～
朦胧觉得是指“感知”的人工智能吧，能进行“认知”就是强人工智能了吧，有超人工智能么～
不是吧，我觉得是算力和场景问题
目前除了游戏场景外，强化学习怎么训练是个比较大的问题。尝试—失败，尝试—失败……能够承受这种做法的商业场景非常少的
另一方面，一些场景用专家系统就行了，虽然强化学习很美好，但是专家系统稳定啊，不会暴走啊