人物10409 项目5186 室内585 家居及产品164 文章2390 方案1383 摄影785 视频225 图书201 读者来稿 最新评论21,712 所有作品11395 所有图片155,073
什么是机器学习?
机器学习算法在数据中寻找和应用模式。而它们几乎掌管着这个世界。
来源:互联网

机器学习算法在数据中寻找和应用模式。而它们几乎掌管着这个世界。

作者:Karen Haoarchive page

2018年11月17日

1

机器学习算法负责绝大多数你听到的人工智能进步和应用。(更多背景资料,请查看我们的第一个流程图 “什么是人工智能?”这里)。

机器学习的定义是什么?

机器学习算法使用统计学在海量*的数据中寻找模式。而这里的数据,包含了很多东西–数字、文字、图像、点击,什么都有。如果它可以被数字化存储,就可以被输入到机器学习算法中。

机器学习是我们今天使用的许多服务的动力–像Netflix、YouTube和Spotify这样的推荐系统;像谷歌和百度这样的搜索引擎;像Facebook和Twitter这样的社交媒体源;像Siri和Alexa这样的语音助手。这样的例子不胜枚举。

在所有这些情况下,每个平台都在收集尽可能多的关于你的数据–你喜欢看什么类型的节目,你在点击什么链接,你对哪些状态有反应–并使用机器学习来高度有根据地猜测你下一步可能想要什么。或者,在语音助手的情况下,关于哪些词与你嘴里发出的有趣声音最匹配。

坦率地说,这个过程很基本:找到模式,应用模式。但它几乎掌管着这个世界。这在很大程度上要归功于1986年的一项发明,由今天被称为深度学习之父的Geoffrey Hinton提供。

什么是深度学习?

深度学习是机器学习的类固醇:它使用一种技术,使机器具有更强的能力来发现–并放大–甚至最小的模式。这种技术被称为深度神经网络–深度是因为它有很多很多层简单的计算节点,这些节点一起工作,通过数据进行咀嚼,并以预测的形式提供最终结果。

2

什么是神经网络?

神经网络的灵感隐约来自于人类大脑的内部运作。节点有点像神经元,而网络有点像大脑本身。(对于你们中那些对这种比较感到畏惧的研究人员来说。别再拿这个比喻开玩笑了 这是一个很好的类比。) 但Hinton发表他的突破性论文的时候,神经网已经不流行了。没有人真正知道如何训练它们,所以它们没有产生良好的结果。花了将近30年的时间,这项技术才重新回归。而且,它确实卷土重来了。

什么是监督式学习?

你需要知道的最后一件事:机器(和深度)学习有三种口味:监督、无监督和强化。在监督学习中,最普遍的是,数据被标记,以告诉机器它应该准确地寻找什么模式。把它想象成像嗅探犬一样的东西,一旦它知道了它所追寻的气味,就会追捕目标。当你按下Netflix节目的播放键时,你就是在做这件事–你在告诉算法寻找类似的节目。

什么是无监督学习?

在无监督学习中,数据没有标签。机器只是寻找它能找到的任何模式。这就像让一只狗闻到大量不同的物体,并将它们分成具有相似气味的组。无监督技术没有那么流行,因为它们的应用不那么明显。有趣的是,它们在网络安全领域获得了牵引力。

什么是强化学习?

最后,我们有强化学习,这是机器学习的最新前沿。强化算法通过试错学习来实现一个明确的目标。它尝试了很多不同的东西,并根据其行为是帮助还是阻碍它达到目标而受到奖励或惩罚。这就好比在教狗玩新把戏时,给予和不给予食物一样。强化学习是谷歌的AlphaGo的基础,这个程序在复杂的围棋游戏中击败了最优秀的人类棋手,非常著名。

就是这样,这就是机器学习。这就是机器学习。现在看看上面的流程图,最后总结一下。

*注:好吧,从技术上讲,有一些方法可以在少量的数据上进行机器学习,但你通常需要大量的数据堆才能取得好的结果。

建筑师编程课推荐

ikuku精选课 Python4Rhino建筑师编程课 第6期 2020.11.15开始直播!主讲老师:马海东

3

 

2020.10.14
请帖个标签,写个点评吧!
标签(多个标签用逗号隔开) 登录可保存标签
绑定新浪微博可评论

小贴士


标签收藏可以有利于您以后的内容分类管理
->进入收藏管理页


blog comments powered by Disqus