1956年，人工智能这门新兴学科在美国诞生以来，其发展经历了三次高潮，同时也经历了漫长的低谷时期。本轮人工智能的再度兴起，一个重要的特征就是机器学习概念被逐步强化。
机器学习是人工智能的组成部分，是人工智能的核心。所谓人工智能就是机器模拟人类的思维完成等同于人类的工作。而机器区别于人类最显著的特点在于人脑可以通过思维进行学习，以适应不同环境的复杂工作，或者说人类可通过学习掌握之前所不具备的技能，进而随机应变，这是当前机器所远不能及的。为了弥补这个缺憾，人工智能界的科学家自然想到了机器模拟人类学习的方式，重新确立未来人工智能的研发方向。应该说，如果解决了机器学习的难题，机器全面取代人类的梦想必然会向前迈出实质性的一步。
关于机器学习
机器学习（Machine Learning，简称ML）是指用某些算法指导计算机利用已知数据自主构建合理的模型，并利用此模型对新的情境给出判断的过程。它不同于传统电脑之处在于，传统电脑由人给出指令，电脑按照这些指令被动工作；机器学习则是机器通过大数据的输入，从中主动寻求规律，验证规律，最后得出结论，机器据此结论来自主解决问题，如果出现偏差，自主纠错，直至完美。
例如，我们要让机器人替代人类做天气预报。第一步，智能机器人会通过分布在全球的各个气象观测点收集气象数据，并且不断提取全球卫星云图数据。第二步，机器建模，分析各个要素与天气结果的关联性，建立关联模型，并不断测试各个要素之间的交互影响，通过海量数据分析和海量验证，最终使得模型日臻完美。第三步，假设全球气候发生前所未有的变化，或者说新气候特征出现，机器学习系统会根据收集到的数据对前所未有的事物重新分析建模，找出新规律。第四步，完美预测未来的天气。这个预测堪比气象专家，甚至超越气象专家。
深度学习（Deep Learning）是机器学习的一个子类。通常会结合线性和非线性的关系。深度学习会深入到各种不同的超级复杂模型或者模型组合，比如CNN, RNN, DBN。深度学习往往会构建多层数，多节点，多复杂度的模型，甚至这些模型连前沿科学家都难以理解。深度学习目前在美国非常流行，因为其在图像，视觉，语音等各种应用中展现出了前所未有并令人神往的表现。即使在超级复杂的模型中，数据特别海量的情况下，依然展现出理想的学习速度。
大数据与机器学习的关系
所谓大数据(big data)，简单地说就是事物发展过程中留下的海量数值。这些海量数值必须经过分类、筛选、处理后才具备实用价值。
机器学习即赋予机器学习的能力，也就是让它完成人类编程无法完成的功能。机器学习是一种通过利用数据，训练出模型，然后使用模型解决问题。机器学习的原理仅仅是对人类在生活中学习成长的一个模拟。由于机器学习不是基于传统的编程思想，因此它的处理过程不是因果逻辑，而是通过归纳思想得出的相关性结论。目前机器学习的常用算法有：
（1）回归算法
（2）神经网络算法
（3）SVM(支持向量机算法)
（4）BP算法
（5）SMO算法
（6）聚类算法
（7）降维算法
（8）推荐算法
（9）梯度下降算法
（10）非线性最小二乘最优化算法
各类算法解决问题的原理及优缺点在此就不一一赘述。
机器学习的关联领域涉及模式识别、统计学习、数据挖掘、计算机视觉、语音识别、自然语言处理等。也就是说，机器学习目前的表现还有赖于这些关联领域技术的突破。但我们欣喜的看到，人类在这些领域的成就很快就能支撑未来的机器学习。
机器学习能否超越人类大脑？
自Google的AlphaGo击败围棋冠军后，在全球范围内引起了巨大反响。国际围棋界有评论说：“AI向围棋界投下一颗原子弹。或许从围棋界开始，若干年后大爆炸将席卷全世界，波及全人类。又或许一切都还早，不过至少人类应该放下自己的骄傲，心怀谦卑。”而google则说，深度学习可以让计算机掌握不弱于人类的判断力。
尽管人工智能超越人脑还只发生在局部，但机器学习的功能着实让人类感到后怕。需要特别指出的是，人类的绝大多数智慧是通过后天努力习得的，这么看机器学习将彻底废掉人类最后的优越感。
通过上文关于机器学习——天气预报之例举，我们发现，人类之所以区别于低级动物和世间物体，根本在于人类的高级思维。这个思维过程无非就是人类通过以往经历或者说数据积累得出所谓的“经验”，这个“经验”即是人类掌握了一些事物发展的规律。这个过程在未来随着机器学习的不断升级，机器完全可以具备人类所赖以自豪的“思维”，最终替代人类。人类变为濒危物种或许不是科幻小说里的胡诌。
受人脑学习的启发，科学家们正在致力于基于深度学习的ANN研究(人工神经网络)。它是机器学习中发展最为引人注目的领域。ANN使用包括多层网络层的深层神经网络来学习表征和抽象，最终可以理解图像、声音和文本等复杂度极高的数据。回想一下，在数十年前，神经网络还只能深入到一层，最多可到两层，原因不外乎计算能力受限，这导致人类无法组建层级十分庞大的复杂网络。然而，科技的发展远远超乎人们的想象，随着技术的日新月异，十层甚至数百层以上的神经网络都已经可以实现。在深度学习中科学家广泛使用多层级的网络，这使得机器现在完全有能力去观察、学习和应对极为复杂的环境，甚至在一些领域展现出比人类更加出色的智能。
Cowen 公司新近发布的一份关于人工智能的研究报告显示：全球81% 的 IT 公司正在或者计划投资人工智能。种种迹象显示，以机器学习为核心的新一代人工智能技术正在掀起一场改变全人类命运的变局！
免责声明：本文来自作者——张耀寰，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。
匿名
暂无
超天才网©2017 www.supergenius.cn All Rights Reserved ICP备09005826号 京ICP证130304号
联系我们| 加入我们| 法律声明| 关于我们| 评论互动
超天才网©2013-2014 All Rights Reserved ICP备09005826号 京ICP证130304号
登录
机器学习的未来
1956年，人工智能这门新兴学科在美国诞生以来，其发展经历了三次高潮，同时也经历了漫长的低谷时期。本轮人工智能的再度兴起，一个重要的特征就是机器学习概念被逐步强化。
机器学习是人工智能的组成部分，是人工智能的核心。所谓人工智能就是机器模拟人类的思维完成等同于人类的工作。而机器区别于人类最显著的特点在于人脑可以通过思维进行学习，以适应不同环境的复杂工作，或者说人类可通过学习掌握之前所不具备的技能，进而随机应变，这是当前机器所远不能及的。为了弥补这个缺憾，人工智能界的科学家自然想到了机器模拟人类学习的方式，重新确立未来人工智能的研发方向。应该说，如果解决了机器学习的难题，机器全面取代人类的梦想必然会向前迈出实质性的一步。
关于机器学习
机器学习（Machine Learning，简称ML）是指用某些算法指导计算机利用已知数据自主构建合理的模型，并利用此模型对新的情境给出判断的过程。它不同于传统电脑之处在于，传统电脑由人给出指令，电脑按照这些指令被动工作；机器学习则是机器通过大数据的输入，从中主动寻求规律，验证规律，最后得出结论，机器据此结论来自主解决问题，如果出现偏差，自主纠错，直至完美。
例如，我们要让机器人替代人类做天气预报。第一步，智能机器人会通过分布在全球的各个气象观测点收集气象数据，并且不断提取全球卫星云图数据。第二步，机器建模，分析各个要素与天气结果的关联性，建立关联模型，并不断测试各个要素之间的交互影响，通过海量数据分析和海量验证，最终使得模型日臻完美。第三步，假设全球气候发生前所未有的变化，或者说新气候特征出现，机器学习系统会根据收集到的数据对前所未有的事物重新分析建模，找出新规律。第四步，完美预测未来的天气。这个预测堪比气象专家，甚至超越气象专家。
深度学习（Deep Learning）是机器学习的一个子类。通常会结合线性和非线性的关系。深度学习会深入到各种不同的超级复杂模型或者模型组合，比如CNN, RNN, DBN。深度学习往往会构建多层数，多节点，多复杂度的模型，甚至这些模型连前沿科学家都难以理解。深度学习目前在美国非常流行，因为其在图像，视觉，语音等各种应用中展现出了前所未有并令人神往的表现。即使在超级复杂的模型中，数据特别海量的情况下，依然展现出理想的学习速度。
大数据与机器学习的关系
所谓大数据(big data)，简单地说就是事物发展过程中留下的海量数值。这些海量数值必须经过分类、筛选、处理后才具备实用价值。
机器学习即赋予机器学习的能力，也就是让它完成人类编程无法完成的功能。机器学习是一种通过利用数据，训练出模型，然后使用模型解决问题。机器学习的原理仅仅是对人类在生活中学习成长的一个模拟。由于机器学习不是基于传统的编程思想，因此它的处理过程不是因果逻辑，而是通过归纳思想得出的相关性结论。目前机器学习的常用算法有：
（1）回归算法
（2）神经网络算法
（3）SVM(支持向量机算法)
（4）BP算法
（5）SMO算法
（6）聚类算法
（7）降维算法
（8）推荐算法
（9）梯度下降算法
（10）非线性最小二乘最优化算法
各类算法解决问题的原理及优缺点在此就不一一赘述。
机器学习的关联领域涉及模式识别、统计学习、数据挖掘、计算机视觉、语音识别、自然语言处理等。也就是说，机器学习目前的表现还有赖于这些关联领域技术的突破。但我们欣喜的看到，人类在这些领域的成就很快就能支撑未来的机器学习。
机器学习能否超越人类大脑？
自Google的AlphaGo击败围棋冠军后，在全球范围内引起了巨大反响。国际围棋界有评论说：“AI向围棋界投下一颗原子弹。或许从围棋界开始，若干年后大爆炸将席卷全世界，波及全人类。又或许一切都还早，不过至少人类应该放下自己的骄傲，心怀谦卑。”而google则说，深度学习可以让计算机掌握不弱于人类的判断力。
尽管人工智能超越人脑还只发生在局部，但机器学习的功能着实让人类感到后怕。需要特别指出的是，人类的绝大多数智慧是通过后天努力习得的，这么看机器学习将彻底废掉人类最后的优越感。
通过上文关于机器学习——天气预报之例举，我们发现，人类之所以区别于低级动物和世间物体，根本在于人类的高级思维。这个思维过程无非就是人类通过以往经历或者说数据积累得出所谓的“经验”，这个“经验”即是人类掌握了一些事物发展的规律。这个过程在未来随着机器学习的不断升级，机器完全可以具备人类所赖以自豪的“思维”，最终替代人类。人类变为濒危物种或许不是科幻小说里的胡诌。
受人脑学习的启发，科学家们正在致力于基于深度学习的ANN研究(人工神经网络)。它是机器学习中发展最为引人注目的领域。ANN使用包括多层网络层的深层神经网络来学习表征和抽象，最终可以理解图像、声音和文本等复杂度极高的数据。回想一下，在数十年前，神经网络还只能深入到一层，最多可到两层，原因不外乎计算能力受限，这导致人类无法组建层级十分庞大的复杂网络。然而，科技的发展远远超乎人们的想象，随着技术的日新月异，十层甚至数百层以上的神经网络都已经可以实现。在深度学习中科学家广泛使用多层级的网络，这使得机器现在完全有能力去观察、学习和应对极为复杂的环境，甚至在一些领域展现出比人类更加出色的智能。
Cowen 公司新近发布的一份关于人工智能的研究报告显示：全球81% 的 IT 公司正在或者计划投资人工智能。种种迹象显示，以机器学习为核心的新一代人工智能技术正在掀起一场改变全人类命运的变局！
免责声明：本文来自作者——张耀寰，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。