谈一下近两年(翻炒)大热的神经网络在具体应用上的一些问题：
第一，过分强调原理、技术细节，却忽略了数据质量。随便打开一篇“神经网络在XX领域应用”的文章，十有八九，都以至少50%的篇幅来介绍神经网络的基本原理、结构，什么单层、多层结构，什么sigmod函数，滔滔不绝，说个不停，没错，技术很重要，但用不着人人都来一堆科普吧，与之相比，数据的重要性一点也不低，如果说基本框架是骨架，那么数据就是肌肉，两者都重要，然而，鲜有看到对数据的分析、采集，比如，如何应用到股票市场，很多文章对于数据都是一带而过，笼统地说”用n天的开票价、收盘价”，或者”n日移动平均线数据”，给人的感觉就是随便抓一把数据，塞到神经网络这个大箩里，然后点击一下“运行”，接下来就等着魔术表演，期待神经网络奉上一个神奇的计算结果，然后就可以用它一夜暴富了，类似这种文章，可说胡闹，但却又充斥着网络。
第二，技术要求与实际需求不一定匹配。刚在某网站看过一篇文章，说的就是这个意思：神经网络以(极小)误差作为评定结果质量的一个重要指标，但是，在实际应用中，比如，还是股市交易，用来评估近期某股票价格走势，只需要一个大致的方向几其概率值，至于精度，并非最重要的，毕竟，80%的可能性，和80.01%的可能性，差别真的很大吗？对于神经网络来说，这是百倍差别，很大，但对于现实世界来说，谁会理会？