英语软件学习王 人工智能简介(3)

在任务 T 上由性能度量 P 衡量的性能有所提升

简单的机器学习定义：

机器学习：让机器 学习到东西

机器学习：用数据 来 解答问题

数据 对应 训练

解答问题 对应 推测

练习和考试：

学生学习：用 做练习题 来 提高考试成绩

做练习题 对应 训练

考试 对应 推测

AlphaGo学下围棋：

围棋博弈：用和自己下棋 来 提高下棋的胜率

和自己下棋 对应 训练

与人类下棋 对应 推测

机器学习大致等同于找到一个 好的函数（Function）/ 模型，Y = f ( X )

机器学习的分类：

监督学习

非监督学习

半监督学习

强化学习

监督学习会把不同标签的数据进行分类，然后通过学习生成预测模型，监督学习的特点就是在于数据有标签。

生成预测模型后就可以让模型来判断给的数据是什么：

非监督学习就是给的数据没有标签，让机器自己进行学习将相似的数据分成不同的类别，非监督学习的特点就是给的数据都没有标签：

然后把数据给生成的预测模型进行归类：

半监督学习最类似于人类的生活，半监督学习的特点就是给的少部分训练数据有标签，大部分训练数据没有标签。这就好比在人类还未成年、未踏入社会之前，都是由父母或老师来教授一些知识，这些知识就是有标签的数据，因为有人告诉你什么是什么，哪些事情能做哪些事情不能做。而当人类离开父母或老师踏入社会后，生活上的种种事情都是由自己去摸索学习，这部分的数据就是无标签的，所以说半监督学习最类似于人类的生活。

可以用AI玩游戏来简单解释一下强化学习，例如让AI去玩跑跑卡丁车，当AI跑赢了就加一分，失败则减一分，并且告诉它分数越高越好，那么这个AI就会有想要去获得更高分数的趋势，经过很多轮的训练后AI的总分数会达到一个比较高的分数。这就好像是给它一个奖励，通过这个奖励的机制去刺激它获得更高的分数，这种方式就是强化学习。

机器学习的算法：

我们可以根据以下这张图来筛选适合的算法来训练模型：

近年来人工智能的概念大热，很多人都跟风想转行学习人工智能，或者对人工智能有恐惧感，我们应该要有正确的态度对待这项技术：

“人工智障”

目前的人工智能还停留在比较初级的阶段，相比于人类大脑的智能，人工智能相当于是个 “智障” ，目前的人工智能只是在机械性的运算、数据处理等方面比人类强很多，所以它还终究是机器

人类从未创造过生命

人类到目前为止只不过能复制生命，改造已有的生命，例如生物克隆、转基因技术等

但是人类从没有从无到有来创造生命，而且基于无机体来创造生命，目前的技术是不可能的

不过我个人认为这只是时间问题

目前对人工智能的看法，有两个派别

反省自己比担心AI更重要

“人心比万物都诡诈”，与人心相比，现在的AI真的是太人畜无害了

AI并非全能

即使出现威胁人类的人工智能，它首先得发展出自己的体系才能够和人类竞争资源

AI并不能像电影那种无所不能，就像黑客的电脑并不像电影那样永远不会出现蓝屏宕机的情况

面对目前如此庞大的人类社会，估计AI还没起义就凉了

不过也是需要适当的防备AI

可能 AI 会在不断学习的过程中习得一些不可控的「思维」，这种可能性也不是没有的

借人工智能来认识自己

人类大脑是怎么运行的，我们都还知之甚少，更不用说模拟或仿造了

我们或许可以通过研究人工智能来发现自己大脑的运行原理

人机合作

AI “机智过人” 但又 “技不如人”。如果人机合力，定惊为天人2333

先简单介绍一下什么是拟合：形象的说，拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。英语软件学习王我们训练模型的曲线就是拟合，拟合结果主要有三种：欠拟合（UnderFitting）、拟合完美（Fitting right）以及一会要重点介绍的过拟合（OverFitting）：