其实这个问题不如反过来问，比如为什么不用半监督学习呢？为什么不用杉山将的弱监督学习呢？为什么不用Dr. Fei-Sha 多任务学习(multi-task learning)、领域适应(domain adaptation)和零样本学习(zero-shot learning)解决小数据问题呢？
周博士的回答是：基于众包的标注可以做到既省时间又省钱，而且引用了ML领域的经典Remark：“更多的数据可以打败聪明的算法”，并举了一个10倍数据量+SVM性能超过1倍数据量+深度学习的例子。
个人注解：周博士的举例说明数据可以打败算法是正确的，但是需要认真考察上述说法所考虑的语境(context)。用一句话说：基于大规模标注数据集的监督学习不会被淘汰，但需要新的学习模式予以搭配，才能从根本上突破现有人工智能的范式和水平。