深入理解人工智能和機(jī)器學(xué)習(xí)

深入理解人工智能和機(jī)器學(xué)習(xí)ArtificialIntelligencevsMachineLearning:What’swhat?

【導(dǎo)讀】本文是數(shù)據(jù)科學(xué)家VijayYadav的一篇帖子，主要內(nèi)容是介紹機(jī)器學(xué)習(xí)和人工智能的概念。對(duì)于很多剛剛?cè)腴T人工智能的讀者，可能會(huì)有這么一個(gè)疑問：人工智能和機(jī)器學(xué)習(xí)到底都是什么？本文介紹了人類智能的步驟，并討論了其中哪些步驟可以用人工智能來實(shí)現(xiàn)。然后介紹了機(jī)器學(xué)習(xí)概念，重點(diǎn)舉例講解了模式識(shí)別的原理。文章中對(duì)概念的理解比較深刻、描述通俗易懂，如果你還不了解這些概念，那就快閱讀一下吧。你可能多次聽到人工智能和機(jī)器學(xué)習(xí)這兩個(gè)詞，作為一個(gè)行業(yè)專家，我也聽到過，大多數(shù)情況下，這些術(shù)語可以互換使用，雖然概念不同，但它們之間有些共同點(diǎn)。人工智能讓我們從理解什么是“人工”（“Artificial”）開始，“人工”指的是制造或生產(chǎn)的東西，而不是自然形成的。這只是個(gè)開始，但是“自然”又是指什么呢？在本文，“自然”指的是“人”——你和我。計(jì)算機(jī)科學(xué)始終吸引著我們，為什么呢？因?yàn)橥ㄟ^機(jī)器理解并替代類人的智能體是一項(xiàng)巨大的任務(wù)，幾十年來，科學(xué)家一直在推動(dòng)相關(guān)領(lǐng)域的發(fā)展。機(jī)器人和無人駕駛只是類人智能的例子，但目前還沒有機(jī)器人為你打掃房子，或者洗衣服；如果想在我們的日常生活中使用類人的智能體，還有很長(zhǎng)的路要走。

因此，現(xiàn)在我們知道機(jī)器不是人類，我們可以放心地說：如果沒有任何智能或邏輯指令，機(jī)器都會(huì)非常愚蠢。雖然他們?nèi)狈χ悄?，但卻擁有巨大的計(jì)算能力。對(duì)于可能花費(fèi)你一秒鐘時(shí)間思考的問題，一臺(tái)機(jī)器可以在相同時(shí)間內(nèi)完成1000次。

此外，這些機(jī)器將完全按照我們的指示進(jìn)行操作。不多也不少，它們不能改變行動(dòng)的方向，來做額外的動(dòng)作。如果我對(duì)人類和機(jī)器同時(shí)發(fā)出了一套10步的指令，機(jī)器將精確地遵循這10個(gè)步驟，而如果所提供的10個(gè)步驟不足以產(chǎn)生期望的結(jié)果時(shí)，人類會(huì)增加額外的步驟去達(dá)成目標(biāo)。從本質(zhì)上講，雖然對(duì)于人類來說，可以通過環(huán)境確定行為，但我們需要提供機(jī)器指令，以便令其知道在什么場(chǎng)景下該做些什么。這聽起來確實(shí)很難，但真的不能做到嗎？

要理解人工智能，我們需要嘗試了解人類智能的工作原理，簡(jiǎn)言之，人類智能由三個(gè)部分構(gòu)成（還有些其他生物學(xué)和科學(xué)現(xiàn)象也會(huì)推動(dòng)對(duì)人類智能的理解，但我們應(yīng)該讓神經(jīng)科學(xué)家解釋它?。?。

1、通過多維數(shù)據(jù)源感知（Perceptionthroughamulti-dimensionaldatasource）

如果我給你一個(gè)小物體，問你是什么，你會(huì)用眼睛看、手摸、鼻子聞、耳朵聽，以便獲得關(guān)于這件物體的任何信息。

2、對(duì)步驟1的數(shù)據(jù)中進(jìn)行模式識(shí)別（Patternrecognitionwithinthedatasetreferredinstep1above）

你以前可能看過，也可能沒看過這個(gè)物體。你的腦海中已經(jīng)構(gòu)建了一系列模式，以便對(duì)你的生命中遇到的數(shù)千個(gè)物體進(jìn)行分類，如果以前看過它，那么這個(gè)模式技術(shù)將幫你識(shí)別、猜測(cè)出這個(gè)物體是什么，如果你以前沒見過，那么可能就無法認(rèn)出它來。

3、在給定的情境下做出決策（Decisionmakingwithinthegivencontext）

當(dāng)你回憶起你在步驟2中的記憶后，就進(jìn)入了邏輯論證和評(píng)估的過程之中。作為一個(gè)人類的思維，我們傾向于合理化事物，并用我們所說的直覺（“gutfeeling”）感性地作出決定。

花點(diǎn)時(shí)間考慮下上面哪個(gè)部分可以用AI復(fù)制呢？其實(shí)三個(gè)步驟都很難，但1、3步驟是最難復(fù)制的。在高層次上，如果所有三個(gè)部分都可以在一臺(tái)機(jī)器上復(fù)制或近似復(fù)制，那么我們就擁有了一個(gè)人工智能系統(tǒng)，它幾乎可以思考，并且像人一樣行事，這些都取決于這三個(gè)部分的實(shí)現(xiàn)程度。作為一種思考練習(xí)，如何將上面提到的三個(gè)部分應(yīng)用于汽車無人駕駛，才能讓它從車庫(kù)沿著車道走向街道？

機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)不等同于AI，而是AI的一個(gè)重要部分。為此，機(jī)器學(xué)習(xí)主要關(guān)注于了上面步驟2：模式識(shí)別。機(jī)器學(xué)習(xí)有助于識(shí)別數(shù)據(jù)集內(nèi)的模式，并因此嘗試根據(jù)現(xiàn)有數(shù)據(jù)進(jìn)行預(yù)測(cè)。

在深入研究機(jī)器學(xué)習(xí)之前，讓我們重新思考如何正確地將人類學(xué)習(xí)與機(jī)器學(xué)習(xí)聯(lián)系起來。

假設(shè)我問你，“明天是星期幾？”，你的回答是“星期天”。你主要是花些時(shí)間思考你腦海中的知識(shí)，然后檢索得到你對(duì)應(yīng)的答案??。

你一定是在學(xué)前班的時(shí)候了解到，一周有七天（周日到周六）。這是學(xué)習(xí)的數(shù)據(jù)，并存儲(chǔ)在你的記憶中。

數(shù)據(jù)輸入的同時(shí)，還有一種模式（學(xué)習(xí)）存儲(chǔ)在你的記憶中。在這種情況下，學(xué)習(xí)指的是某一天（輸入）如何與第二天（響應(yīng)）相關(guān)聯(lián)。

在上表中，學(xué)習(xí)存儲(chǔ)為輸入（input）和響應(yīng)（response）。請(qǐng)注意，這種學(xué)習(xí)對(duì)于當(dāng)天到下一天的聯(lián)系非常具體。在同一組數(shù)據(jù)上可以有不同的學(xué)習(xí)來回答不同類型的問題，例如，“昨天是什么時(shí)候？”

所以，當(dāng)有人問你“明天是星期幾？”時(shí)，你會(huì)使用當(dāng)天（今天）作為輸入，并參考上面的學(xué)習(xí)表以找到答案。最初，你可能沒有意識(shí)到你正在執(zhí)行這些步驟，但相信我，這就是背后發(fā)生的事情。

請(qǐng)注意，這是對(duì)人類學(xué)習(xí)的一個(gè)非常簡(jiǎn)單的解釋，并涉及一小部分?jǐn)?shù)據(jù)（1個(gè)輸入，1個(gè)響應(yīng)和7行數(shù)據(jù)）。在真實(shí)的商業(yè)問題中，可能有數(shù)千個(gè)輸入列和數(shù)百萬/十億行并獲得響應(yīng)（輸出）。隨著數(shù)據(jù)集規(guī)模的擴(kuò)大以及更多的輸入、行（觀察）、邏輯（學(xué)習(xí)）變得越來越復(fù)雜。這正是人類面臨的挑戰(zhàn)之所在，也是一些很好的機(jī)器學(xué)習(xí)的基礎(chǔ)。機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)家和/或機(jī)器學(xué)習(xí)工程師開發(fā)的算法/模型，用于使計(jì)算機(jī)學(xué)習(xí)、識(shí)別模式并進(jìn)行預(yù)測(cè)。

亞馬遜的產(chǎn)品推薦和Facebook的新聞推送是機(jī)器學(xué)習(xí)的兩個(gè)很好的例子。在Facebook中，當(dāng)某人頻繁地閱讀或喜歡某個(gè)帖子時(shí)，他/她將來會(huì)看到更多該特定朋友的活動(dòng)。在幕后，你的導(dǎo)航數(shù)據(jù)被獲得并存儲(chǔ)。機(jī)器學(xué)習(xí)算法能夠從你提供的這些模式或人類信號(hào)