原文链接：http://www.kdnuggets.com/2014/10/deep-learning-make-machine-learning-algorithms-obsolete.html
第一次翻译英文文章，水平有限，如有缺失，敬请指正！
中文译文：
深度学习将代替机器学习并淘汰它们吗，在简单问题上深度学习是不是显得太复杂了呢？我们就这个讨论从两方面探讨一下。
先看一下Ran Bi 在2014年10月说道：
深度学习近年来发展速度很快，并且取得了令人惊奇的好结果。进来有一个在Quara上有关于深度学习是否会替代机器学习的讨论。那么像BP、HMM会像感知机一样被淘汰么？
这个问题还是挺难回答的。一个有趣的回答来自Jack Rae，他说：
经验结果显示深度学习这些年来在大数据集上的预测结果确实很不错，但这是一定的吗？我们去年就发现在一个数量级在10亿行的数据集上它的预测能力不是特别好。
他觉得深度学习在大中型数据集上卓越的预测能力学习会让别的机器学习算法边缘化，频临灭绝。其他的机器学习算法会被淘汰因为人们一旦遇到模式识别等的问题第一个想到的就是用深度学习的方法去解决。
另一方面，大多数人仍然相信深度学习不会代替其他的模型或者算法。Jacob Steinhart的意见收获了大量的赞，他写道：
1.对于大多数的应用，像一些简单的算法如逻辑回归、支持向量机表现的已经很不错了，使用深度学习会让问题复杂化。
2.深度学习是可以应用到大部分领域的，但当你从事某一领域，知道这一领域的机器学习算法的话，你完全可以使用它，这时机器学习算法工作的也不错(这句话就是说术业有专攻，什么领域用什么算法，这样效果更好)。 现在已经有一些工作去把各领域的知识融入到深度学习中的，但这并不能完全替代原有的。
上图是一个关于机器学习算法的时间线来自于Eren
Golge。
就像在20世纪早期SVM一样，深度学习会成为主流，但首先深度学习应当解决其在大数据需求及复杂性方面的问题，这样它才会成为人们的第一选择。
Ran Bi是纽约大学数据科学计划的研究生。在纽约大学攻读研究生期间，她已经在机器学习、深度学习和大数据分析方面做了一些项目。