Wynik mówiący, że uśrednione po wszystkich możliwych problemach żaden algorytm uczenia nie przewyższa innych; sukces wymaga obciążenia indukcyjnego.
Result stating that, averaged over all possible problems, no learning algorithm beats another; success requires inductive bias.
Twierdzenie, że nie istnieje jeden algorytm uczenia najlepszy do wszystkiego; każdy wygrywa dzięki założeniom pasującym do danego problemu.
The result that no single learning algorithm is best at everything; each wins thanks to assumptions that fit the problem.
Ludzie szukają uniwersalnie najlepszej metody i rozczarowują się, gdy model świetny w jednym zadaniu zawodzi w innym.
People look for a universally best method and are disappointed when a model great at one task fails at another.
Przypomina dobór narzędzi: młotek jest świetny do gwoździ, a kiepski do śrub — siłę daje dopasowanie założeń do zadania.
Like choosing tools: a hammer is great for nails and poor for screws — strength comes from matching assumptions to the task.
Model rozpoznający zdjęcia dobrze radzi sobie z obrazami, ale do przewidywania sprzedaży z tabeli lepiej sprawdza się prostsza metoda.
A model that recognises photos handles images well, but a simpler method works better for predicting sales from a table.