פוסט הזה אתחיל לסקור את אחת המחלוקות הקשות בתחום: האם למידת מכונה עדיפה על מערכות חוקים. דרכה אנסה להסביר יתרונות וחסרונות נוספים של שיטות שונות בעולם הביג-דאטה. על למידת מכונה כתבתי מספר פעמים, כאשר הכוונה בעיקר לשיטות הסיווג השונות. אם כן, מהן מערכות חוקים? אחת הטכנולוגיות המובילות בשנות ה-80 של המאה הקודמת נקראה מערכת מומחה. מדובר בתהליכים שמורכבים מאוסף כללים וחוקי היסק, שאמורים לקבל החלטות בדומה למומחה אנושי, למשל רופא. החשיבה בזמנו הייתה שניתן ללמד את המערכת את כל מה שרופא יודע (או צריך לדעת) כדי לאבחן מחלות. לדוגמא, אם אדם מגיע עם תלונות על כאב גרון וחום, התבונן לו בגרון ובצע לו משטח גרון. אם משטח הגרון נותן תוצאות חיוביות (כלומר, יש דלקת שנגרמת ע"י חיידק) - רשום לו אנטיביוטיקה. אחרת, שלח אותו לדרכו עם המלצה למנוחה ולחפיסת סוכריות מציצה (גילוי נאות: אני לא רופא). היו שטענו שמדובר בטכנולוגיה מבטיחה שתחליף תוך מספר שנים את הרופאים, בדומה לרובוטים שהחליפו פועלי יצור. ובכן, אני מניח שמי שביקר לאחרונה בקופת חולים לא ממש הופתע למצוא שם עדיין רופאים ורופאות, גם כעבור 40 שנה. לכתבה המלאה
ללמידת מכונה יש יתרונות רבים. כאשר אין קושי לאסוף דוגמות, היא תשיג תוצאות מצוינות. היא תוכל להשתפר עם הזמן ככל שיתקבלו עוד דוגמות (או בשיטות משוב אחרות שלא יפורטו כאן). במקרים רבים קל יותר לאמן מכונה מאשר לבנות מערכת מומחה. אבל יש מקרים בהם מערכות חוקים עדיפות. הן מעשיות כשאין דוגמות לאימון, או כאשר יותר פשוט לבטא ידע קיים במקום ללמוד הכול מההתחלה. הן אינן מהוות "קופסא שחורה", ותמיד אפשר להסביר את השיקולים שהובילו להחלטה מסוימת. ויש יתרון נוסף - ניתן להגדיר גם חוקי פסילה, שיעזרו להיפטר בקלות מתוצאות לא רצויות. אם נחזור לרגע ליכולת לחזות האם לקוח בנק מסוגל להחזיר הלוואה, קל באמצעות חוק פסילה להימנע מלהלוות לאנשים שכבר מוכרים כרמאים. זו משימה קשה יותר עבור למידת מכונה. אז מה השורה התחתונה? למצוא את שביל הזהב. לכתבה המלאה