我看大數據和機器學習

       相信沒有人是先上學而後才學會說話的，在咱們張口開始學習說話的時候，爸爸媽媽也不會給孩子們說什麼主謂賓定狀補這樣的語法，而是一句一句的教咱們怎麼說，那句對，那句錯。在咱們學習語法以前，早已能夠和別人流暢的交流了。

        上世紀，藍色巨人IBM公司決心利用計算機技術，開發一款翻譯軟件，因而將各類語言的字、詞、語法都編進了程序，在隨後的實際使用中發現，在聯合國大會這種正式場合，翻譯的準確率至關高，可是在其餘平常場景下，徹底沒法使用。道理很簡單，國際大會這種場合，發言稿都是教科書式的標準，而平常語言，徹底毫無章法，不符合語法是正常狀況。面對這種狀況，IBM嘗試了不少辦法，最終都沒法解決。

        大數據又是如何來解決這個問題，舉個例子，我要表達我餓了，我能夠有不少種說法「我餓了」，「如今給我吃什麼都香」，「我都前胸貼後背了」，大數據就是將這些話全都收集起來，統一歸類到一個意思，「我餓了」，那麼爲了能覆蓋各類可能的說法，就須要去收集大量，海量的關於「我餓了」這個意思的各類說法，當收集的量足夠大時，任何人說的一句這個意思的話，均可以在這個庫裏找到對應或者類似度很高的話，那麼就能夠定義是「我餓了」。

        如今超市裏出現一種自動識別物品的承重稱，你用袋子把水果裝好，往稱上一放，攝像頭拍一下就知道你放的是什麼水果，我想也是這個原理，程序裏並無定義蘋果應該是什麼樣子，多大，多圓，表皮什麼顏色，等等，而是放上幾百上千張各類蘋果的照片，比對一下就知道了。

       從上面能夠看出來，大數據、機器學習，會須要海量的存儲空間和算力去處理數據。其實咱們人腦的學習過程，不也就是這樣的嗎，媽媽告訴你這是蘋果，那個是蘋果，你就記住了，這樣的就是蘋果。這麼看起來，人腦還真是厲害，消耗那麼一點點能量，卻能完成須要那麼多空間算力才能解決的事情。