没有任何统计或AI模型可以提供100％的确定性

既然我们已经建立了所有模型都是错误的，并且预测很困难，那么这如何与模型漂移和冠状病毒联系起来？让我们从进化生物学开始，我们目睹了一个标点符号的平衡-只是没有平衡，理解和预测供应链，客户倾向，利率套利的模型是成千上万的分析模型之一，这些模型随着时间的推移从根本上保持一致，并受到渐进主义的影响。

既然我们已经建立了所有模型都是错误的，并且预测很困难，那么这如何与模型漂移和冠状病毒联系起来？

让我们从进化生物学开始。在1992年之前流行的进化论是对“渐进主义”的种种说法，这是不言而喻的，标点平衡”提出了这样一种理论，即绝大多数物种起源于地质时刻（标点符号）并持续滞留，我们目睹了一个标点符号的平衡-只是没有平衡。理解和预测供应链，客户倾向，利率套利的模型是成千上万的分析模型之一，这些模型随着时间的推移从根本上保持一致，并受到渐进主义的影响。

渐进主义的一个例子？从零售商店到在线购买的转变

我记得二十四年前在1996年首次从亚马逊购买书籍。大约二十年前，我有一部智能手机，至少十五年就拥有宽带互联网。互联网业务，智能手机和宽带改变了我们的经济和生活，但这花了十年或两年的时间。冠状病毒在两个月内破坏了一切。

那就是标点符号，这是ML模型得到广泛使用的个标点事件

冠状病毒并不是现代的标点符号，2007-2008年的金融危机以及随后的衰退。所不同的是，这些事件中没有一个因广泛使用机器学习和AI模型而发生（2008年使用受限）。在机器学习之前，预测模型是基于少量的少量数据样本（相对而言）。如今，机器学习模型由大量的历史数据驱动，以辨别得出结论的模式。

大部分天气预报都基于飞机上的传感器。随着空中交通量下降80％，现有模型的可靠性如何？

这些因素（它们是重要的驱动因素）都没有参与训练模型的数据。到2020年6月，冠状病毒在美国已经夺走了11万人的生命，全球有666万例，所有这一切都发生在三个月左右的时间里，而且没有疫苗或治疗剂。在这种情况下，他们应该怎么做？刷新模型，修改模型还是废弃模型？这就是当今数据科学团队面临的困境。

为了有效地解决这个问题，我们还必须处理足够的数据集问题，这是我在  COVID-19大流行模型中处理过的问题-机器学习模型有用吗？

机器学习与大量的数据一起使用，因为它的目的是在数据中找到可预测的模式，如今大型数据集的可用性正正影响着这种需求。问题仍然是，机器学习和人工智能技术是否可以对少得多的数据集有效？

 客服热线：400-050-6600

商业联合会数据分析专业委员会