I'm thinking that many people overfocus to improve the performance and they don't pay attention to the meaning of this results or algorithm.
This is very awful situation, because the aim of algorithm making is that we understand the system and the structure.
I feel that many analysts tend to be engineers and they don't want to become a scientists in Japan. As a result of it, many Japanese analysts only improve the programming skills and utilize some algorithms well. They are gradually losing the recognition skill to the real worlds.
However, this situation might fit to foreign countries.
The original document is here
よく，機械学習の研究では人間よりも高い精度を出す事に注力されがちだが，上にあげた問題においては，人間よりも高い精度を出す事は必ずしも必要とされていない．重要なのは，世界にインパクトを与えるのに十分なぐらいの精度を出すことだ．例として田舎に住む病気の少年を考えてみる．彼のために2マイル離れたところに行く医者を呼びに行くためにはオリンピックレベルの速さで走る必要は無い(パフォーマンス)．医者が少年の病気に間に合えば良いのだ(インパクト)．
I hope that analysts look at a present situation and notice that it is most important to think how you could contribute the improvement of real worlds.
Moreover, we have to remember this message.
計算機科学の世界には、我々がデータを計算機に入れさえすれば正しい答えが出てくるのだという誤解が向けられている。いまやさまざまな分野で、例えば天文学などがそうだが、多くの部分を計算機とシミュレーションに負うようになってきていて、彼らは自然そのものではなく、シミュレーションなどを見て議論をするようになっている。これは我々統計学者の状況と同じだ。彼らはどんどん二次科学に近付いている。これは、彼らも私たちと同じトラブルに見舞われていること意味する。「何が正しくて何が間違っているのか」。私はたまに思うのだが、科学の歴史の中で、まず目に見える簡単な問題から解かれていった。そこには確率も統計も必要がなかった。科学はそういう簡単な問題をどんどん征服していっているのではないかとも思える。今科学は非常に複雑な問題について研究をし始めている。「自然の中の科学」と「自然を越えた科学」の両方がある中で、我々は２番目のものに向かっているのではないだろうか。
