第五章 大数据和智能革命的技术挑战

在过去，由于计算能力的限制，以及并行计算工具不够有效，人们在机器学习时，通常要在下面两种情况下二选一:
1.数据量大，但是采用比较简单的模型，而且比较少的迭代次数，也就是说用大量的数据做一个浅层的机器学习。
2.数据量较小，但是采用比较复杂的模型，而且经过很多次迭代训练出准确的模型参数。
 我们不妨看看美国银行发展的历史，在很长的时间里，美国的银行业可以用“胡作非为”来形容，挪用储户存款进行非法经营的情况时有发生。
1933年罗斯福新政之前，美国银行破产是家常便饭。1933年之后，美国一方面杜绝银行进入股市等高风险的资本市场(法律监管)，并且提供了一个技术手段来保护储户利益，即FDIC(联邦存款保险公司)的再保险;另一方面通过竞争让那些胡作非为的银行纷纷倒闭，这才让储户能放心地把钱放在银行里。类似地，如果两家公司同样挣钱，一家有能力保护用户隐私，另一家总是侵犯用户隐私，可以想象，后者会逐渐丧失用户。