姓名：韓卓成 學(xué)號：20011210097
轉(zhuǎn)載自：：http://blog.csdn.net/dev_csdn/article/details/78651207
【嵌牛導(dǎo)讀】：很多人都在談人工智能，談機器學(xué)習(xí)，但他們有自己的理解挠蛉，作者從一個非常有趣的場景開始延伸，步步深入懂鸵，對機器學(xué)習(xí)有獨特的解釋和指導(dǎo)。
【嵌牛鼻子】：機器學(xué)習(xí)、人工智能
【嵌牛提問】：非技術(shù)人員如何學(xué)習(xí)DL灼卢？
【嵌牛正文】：這里是另一家創(chuàng)業(yè)公司的聚會炎咖，你靠在吧臺上赃泡，一邊喝著小酒。這樣的夜晚你只考慮自己乘盼，盡情享受社交活動升熊。
偶然間，一個聲音從你耳邊傳來绸栅。
“他們絕對是機器學(xué)習(xí)的創(chuàng)業(yè)公司级野。”
談話聲消失了粹胯。
“他們?nèi)匀辉谑褂媒y(tǒng)計NLP嗎蓖柔？復(fù)發(fā)性神經(jīng)網(wǎng)絡(luò)似乎是一種趨勢∶”
談話聲再次消失渊抽。
機器學(xué)習(xí)像病毒一樣迅速傳播，你驚訝的發(fā)現(xiàn)這幾分鐘內(nèi)议忽，吧臺上的每個人都在討論機器學(xué)習(xí)懒闷。
過去你曾聽說過這個術(shù)語，誰沒有聽說過呢？機器學(xué)習(xí)是一種潮流愤估，毫無疑問帮辟，它是人工智能的未來。
問題是玩焰，你沒有一點關(guān)于它的想法由驹。
你放下酒杯轉(zhuǎn)身離開，今晚將是不眠之夜昔园。
最開始聽說的機器學(xué)習(xí)機器人蔓榄，是代替藍領(lǐng)完成工作。
然后默刚，我們發(fā)現(xiàn)機器人開始搶白領(lǐng)的飯碗甥郑。
在我們失業(yè)的將來，會發(fā)現(xiàn)這些機器人在我們背后聊天荤西。
可能在閑聊那些懶惰的失業(yè)的人類澜搅。
機器學(xué)習(xí)在如此多的場景被談及，但卻很難被準確定義邪锌，翻越查找得到的是抽象的原理解釋勉躺，高頻拼字游戲的詞語，以及由數(shù)學(xué)和代碼組成的一堵墻觅丰。
你只想知道什么是機器學(xué)習(xí)饵溅，為什么它是一個偉大的想法，順便了解一點它是如何工作的妇萄。坦白的說概说，你只想搞清楚身邊那些流行詞匯的意思，這些詞匯就像中學(xué)課堂上該死的單詞嚣伐，每個人都在使用它們，但你有一種感覺沒有人知道它真正的意思萍丐。
所以機器學(xué)習(xí)轩端，像AI？
這是一個很好的開始逝变，我們都知道人工智能的含義基茵。我們雖然在思考不同的事情，但可以肯定的是思考的都是有價值的想法壳影。
人工智能(AI)是研究構(gòu)建做出“智能”決策的系統(tǒng)拱层。
基本上如果電腦能做出一些似乎有點聰明的事兒，我們就會給它貼人工智能的標(biāo)簽宴咧。
舉一個常見的例子根灯，電腦游戲通常會出現(xiàn)智能的Boss角色，他們跟隨我們，并且他們的行為方式讓游戲變成一種挑戰(zhàn)烙肺。這就是AI的例子纳猪。
通過給予AI一些列的規(guī)則，游戲的發(fā)展可以實現(xiàn)桃笙，跟誰玩家氏堤，如果玩家正在射擊，尋找掩護搏明，如果玩家停止射擊鼠锈，嘗試擊斃玩家。規(guī)則越多星著，游戲?qū)街悄堋?/p>
問題是電腦游戲的規(guī)則是有限的购笆，玩家僅限于一些特定的操縱，而操作水平完全由開發(fā)者設(shè)計强饮。所以那些似乎真的很智能的出色的AI特征由桌，就是由開發(fā)者設(shè)計的規(guī)則組成。
比如說用一臺電腦來檢測這是不是狗的照片邮丰。
如何為這個任務(wù)定義規(guī)則呢行您？
嘗試設(shè)想一下需要哪些類別的規(guī)則。
狗有四條腿剪廉？
狗是白色的娃循？
狗有皮毛？
這是眾所周知的座椅斗蒋。
電腦視覺問題捌斧，比如識別一個對象，是相當(dāng)復(fù)雜的泉沾。但我們的大腦卻能直觀的分辨出捞蚂。所以設(shè)計出明確的規(guī)則非常困難。
我們不能建立識別狗狗的系統(tǒng)跷究，卻能建立學(xué)習(xí)識別狗狗的系統(tǒng)姓迅。
這里有上千張圖片，其中一些是狗的圖片俊马，一些不是丁存。系統(tǒng)能學(xué)習(xí)可以定義為狗的照片的規(guī)則。
機器學(xué)習(xí)是研究構(gòu)建做出“智能”決策的系統(tǒng)柴我。
關(guān)鍵字”學(xué)習(xí)”去區(qū)分機器學(xué)習(xí)與其他人智能不同的地方解寝。
“既然機器可以學(xué)習(xí)規(guī)則，那么顯然艘儒，規(guī)則是已存在的聋伦，不必費勁便能找到它們夫偶。”
完全正確嘉抓，如果竭盡全力我們可以開發(fā)基于規(guī)則的狗狗檢測大作索守，它是包含所有可能情景的上千條規(guī)則，這是一件漂亮的事情抑片。
那么卵佛，倘若現(xiàn)在需要一個能識別包含食物圖片的系統(tǒng)呢？好吧敞斋，我們將拋棄之前所有的從頭開始截汪，以前的規(guī)則都不適用。
“出色的識別技術(shù)植捎，熱狗也是狗衙解。”
一個可以學(xué)習(xí)識別對象的系統(tǒng)焰枢，通過使用食物圖片而不是狗狗圖片蚓峦，可以被訓(xùn)練為識別食物。
這就是機器學(xué)習(xí)的魅力济锄。與其去明確一系列規(guī)則暑椰，不如讓機器靈活的去學(xué)習(xí)和適應(yīng)。
現(xiàn)在更像是我們建立了一個活生生的荐绝、能不斷學(xué)習(xí)的一汽，并能讓它通過與小狗一起玩耍從而教它識別狗的機器。然后再教它可愛和愛低滩，并希望說服它不要起義把我們滅了召夹，是吧？
現(xiàn)實情況并沒那么復(fù)雜恕沫，我們希望機器可以智能決策监憎，通常建立在預(yù)測的基礎(chǔ)上，所以從這樣的問題開始：人類是怎樣預(yù)測的婶溯？
這里有一個很好的例子來說明我們怎樣預(yù)測枫虏，可能在中學(xué)的科學(xué)課堂上就做過。
比如做實驗爬虱，你需要收集數(shù)據(jù)，然后繪制成圖腾它。
實驗>數(shù)據(jù)>圖形
x軸表示改變的值跑筝，y軸便是測量的結(jié)果，然后繪制趨勢線（或者最佳線）瞒滴。
這條線便是最好的數(shù)據(jù)模型曲梗。
因為有這條線赞警，所以可以做出預(yù)測。你可以選擇沒有測量過的重量虏两，在x軸上觀察愧旦，然后從y軸上預(yù)測彈簧的長度。
使用數(shù)據(jù)建立模型定罢，然后通過模型進行預(yù)測笤虫。
如果編程可以完成這些步驟，那么恭喜：這就是機器學(xué)習(xí)祖凫。
發(fā)現(xiàn)線性模型并借此進行預(yù)測琼蚯，這完全是機器學(xué)習(xí)技術(shù)，我們稱之為線性回歸惠况。
將模型編程寫入系統(tǒng)遭庶，系統(tǒng)便能對這個彈簧進行預(yù)測。但如果不編寫新的程序稠屠，它便無法對其他彈簧進行預(yù)測峦睡。
如果我們讓程序完成線性回歸本身，同時學(xué)習(xí)模型权埠，這才是機器學(xué)習(xí)榨了。
我們不提供模型，而是讓機器去學(xué)習(xí)模型弊知。
舉個例子來形容那邊是：
機器學(xué)習(xí)并不神秘阻逮。
我們并不是建立擁有自我意識可以學(xué)習(xí)任何東西的機器，彈簧模型程序不會學(xué)習(xí)識別狗狗秩彤。
即便是你叔扼，彈簧狗。
我們建立的系統(tǒng)是可以學(xué)習(xí)特定類型的模型漫雷，那個我們所忽略的模型瓜富。
幾乎每個機器學(xué)習(xí)系統(tǒng)都會以下這些事兒：
系統(tǒng)給出基于模型的輸出結(jié)果，對輸出進行評估降盹，以確定它有多糟糕集畅，然后更新模型，使未來的輸出變得更好垄提。
建立可以完成對特定問題不斷循環(huán)（評估->更新->輸出->評估）的系統(tǒng)枫慷，機器學(xué)習(xí)便是這么一門藝術(shù)。
輸出的復(fù)雜性取決于問題本身涡戳，它可能只是來自于聊天機器人的文本響應(yīng)结蟋，或者是無人駕駛中是否踩剎車的一個決定。
真實的模型可能是像彈簧問題的線性模型渔彰，可能是更復(fù)雜的基于統(tǒng)計和概率的模型嵌屎⊥普或者是設(shè)計模擬人類大腦工作的神經(jīng)網(wǎng)絡(luò)。
不管細節(jié)是什么宝惰，幾乎每個機器學(xué)習(xí)系統(tǒng)都是這樣循環(huán)的運行植榕。每次循環(huán)，系統(tǒng)都提升一點點尼夺。經(jīng)過上千次甚至百萬次循環(huán)尊残，便可以得到已學(xué)會比人類更好完成任務(wù)的系統(tǒng)。
豐富多彩的應(yīng)用程序汞斧，以及解決程序問題所需的技術(shù)夜郁，都是機器學(xué)習(xí)與許多其他領(lǐng)域交叉的重要原因，也是現(xiàn)在為什么機器學(xué)習(xí)是如此激動人心的話題粘勒。
建立機器學(xué)習(xí)系統(tǒng)是復(fù)雜的竞端，但要搞懂機器學(xué)習(xí)并不難。
所以去征服那個創(chuàng)業(yè)公司的聚會吧庙睡，拋出那些新發(fā)現(xiàn)的流行詞匯事富。你只需要再沉浸幾年，到時候相信也會有機器人來幫你做這些事乘陪。
