來源：Medium
編譯：高延、蔣寶尚
機器學(xué)習(xí)算法利用統(tǒng)計數(shù)據(jù)從大量數(shù)據(jù)中找到數(shù)據(jù)的模式。這里的數(shù)據(jù)可以有很多形式，如數(shù)值、文字、圖像，甚至你點一次鼠標也算，反正就是你周圍的一切一切。
只要它能被數(shù)據(jù)化，它就能用到機器學(xué)習(xí)算法中。
我們眼下用到的許多服務(wù)都得到了機器學(xué)習(xí)的賦能，如Netflix，youtube及spotify上的推薦系統(tǒng)，或是谷歌和百度等搜索引擎，或是Facebook和Twitter等社交媒體，或者Siri和Alexa這樣的語言助手。它的應(yīng)用場景還在不斷擴大。
對于上述這些場景，每個平臺都會盡可能多地收集關(guān)于你的信息，如你喜歡看什么書，或是你喜歡的網(wǎng)站，或是你當下的心情，然后用機器學(xué)習(xí)預(yù)測一下你的學(xué)歷或是未來的學(xué)歷。再或者，有了語音助手，無論你的口音多迷，都能給你匹配出詞句。
說實話，這個過程挺簡單的：找出模式，應(yīng)用模式。這套路幾乎全世界通用。
上圖準確的說明了機器學(xué)習(xí)以及AI的模式
深度學(xué)習(xí)是什么？
深度學(xué)習(xí)是機器學(xué)習(xí)的一種：它用了一項技術(shù)，使得計算機找到數(shù)據(jù)中的最小模式并放大。這項技術(shù)叫做深度神經(jīng)網(wǎng)絡(luò)，稱得上深度那是因為它將基本計算節(jié)點劃分為多層，這些計算節(jié)點同時工作
神經(jīng)網(wǎng)絡(luò)是什么？
神經(jīng)網(wǎng)絡(luò)是由人腦內(nèi)部構(gòu)造啟發(fā)的，這種網(wǎng)絡(luò)結(jié)構(gòu)有點像大腦本身。Hinton發(fā)表重要論文的時候神經(jīng)網(wǎng)絡(luò)已經(jīng)不流行了。沒人真知道怎么訓(xùn)練這個算法，所以也沒人獲得有效結(jié)果。這個技術(shù)花了三十年才重返潮流。天知道它是不是真的有轉(zhuǎn)機。
你首先得知道的一件事是：機器（以及深度）學(xué)習(xí)分三種：監(jiān)督式，非監(jiān)督式和強化式。其中最熱門的監(jiān)督學(xué)習(xí)中，數(shù)據(jù)被標記好以告知計算機它所尋找的數(shù)據(jù)模式。請把它想象成一條一旦探知目標就會進行光速追捕的嗅探犬。當你在Netflix上點擊播放按鈕的那一秒，你在告訴算法獲取相似影劇。
無監(jiān)督學(xué)習(xí)是什么？
在無監(jiān)督學(xué)習(xí)中，數(shù)據(jù)是沒有被標記。我們只是讓計算機看它能自行發(fā)現(xiàn)什么模式。這就好像讓一條狗去聞無數(shù)不同的物品并把它們分類進相似的氣味分組一樣。無監(jiān)督技術(shù)并不流行是因為他們沒那么多典型應(yīng)用。有意思的是，這些技術(shù)在信息安全方面獲得了更多關(guān)注。
最后，我們還有強化學(xué)習(xí)，機器學(xué)習(xí)中最前沿的分支。強化學(xué)習(xí)算法通過反復(fù)實驗來達成清晰目標。它嘗試大量不同的事項，并基于它的行為對最終目的有幫助或是有阻礙來獲得獎懲。
這就像在給狗訓(xùn)練新把戲的時候給它獎勵品一樣。AlphaGo，在復(fù)雜圍棋比賽中擊敗最強人類選手而出名的Google程序的基礎(chǔ)就是強化學(xué)習(xí)。
你想了解的機器學(xué)習(xí)基本都在這里。再次看一下機器學(xué)習(xí)流程圖吧~
AI的更多背景知識流程圖
由于業(yè)界對AI的定義是不斷變化的，這個術(shù)語也經(jīng)常被弄的亂七八糟。例如過去被認為的人工智能系統(tǒng)，在今天看來或許有點牽強了
所以讀AI背景知識進行梳理可以讓你準確的掌握這個知識點。上圖的梳理就能很好的幫助判斷是否為使用了AI技術(shù)。
在最廣泛的意義上，人工智能指的是能夠為自己學(xué)習(xí)、推理和行動的機器。
也就是說當面對新的情況時，這些機器可以做出自己的決定，就像人類和動物一樣可以思考。這通常被稱為“強人工智能”或“AGI”。
一些專家認為，機器學(xué)習(xí)和深度學(xué)習(xí)如果有了足夠多的數(shù)據(jù)，最終將使我們我們進入AGI。
雖然在其他方面它仍然比一個蹣跚學(xué)步的孩子笨得多，但確確實實通過數(shù)據(jù)AI已經(jīng)掌握了圍棋。
聯(lián)系客服
