當Python趕上AI（一）

 Infi-chu:

http://www.cnblogs.com/Infi-chu/

 

1、什麼是學習

若是要給學習下一個定義，那麼根據某百科給出的定義是——學習，是指經過閱讀、聽講、思考和實踐等途徑得到知識或技能的過程。

那麼對於計算機而言，什麼是學習呢？怎樣可使得機器也學會了學習？對於計算機而言，若是可以經過某個過程，就改變了它的性能，那麼這個過程就稱之爲學習。

在計算機領域而言，學習的核心目的就是爲了改善性能。

 

2、什麼是機器學習

對於計算機系統而言，經過數據以及某種特定的方法來提高機器系統的性能，就是機器學習。

對於一個學習問題，咱們要抓住三個特徵：

• 任務的類型
• 衡量任務性能提高的標準
• 獲取經驗的來源

換種角度來定義的話，機器學習就是一個基於經驗數據的函數估計問題。

雖然說對於機器學習的定義頗多，可是相同之處在於，都強調了經驗和數據的重要性，都承認機器學習提供了從數據中提取知識方法。

 

3、4象限

知識在2個維度上能夠分爲4類，便可以統計與不可統計2維度；可推理不可推理2維度，組合而成4類。

在橫向座標中，對於可推理的，能夠經過機器學習的方法，最終完成推理；

在縱向座標中，對於可統計的、但不可推理的，能夠經過神經網絡這種特定的機器學習方法，達到目的。

具體以下圖所示：

 

 4、什麼是深度學習

首先要明確一個定律——麻煩守恆定律：麻煩不會減小，只會轉移。

深度學習是一種包含多個隱含層的多層感知機。他經過組合低層特徵，造成更爲抽象的高層表示，用於描述被識別對象的高級屬性類別和特徵。

 

5、方法論

•  端到端（end-to-end）
• 分而治之（Divide and Conquer）

 

6、人工智能定位：

爲了改善系統性能，須要在4大方面不斷改進：

• 增長處理器數量
• 增長處理器種類
• 增長處理器本身的鏈接
• 增長現有鏈接的流通程度

簡單的來講，就是將人的智慧賦予機器，用「硅基大腦」模擬重現「碳基大腦」。

人工智能方向：

• 語音識別
  • 文本到語音
  • 語音到文本
• 天然語言處理
  • 文本生成
  • 機器問答
  • 上下文抽取
  • 文本分類
  • 機器翻譯
• 機器學習
  • 深度學習
  • 監督學習
  • 無監督學習
• 計算機視覺
  • 圖像識別
  • 機器視覺
• 機器人
• 專家系統
• 規劃與推理

不論是深度學習仍是機器學習，通常分爲兩個層面（二者相輔相成）：

• 面向過去，發現數據潛在的價值
• 面向將來，基於價值預測將來

【注】前者主要使用了「概括」的方法，後者主要使用了「演繹」的方法。

判斷機器學習的好壞，基於如下三點：

• 建模問題
• 評估問題
• 優化問題

 

7、人工神經網絡的特色

• 非線性
• 非侷限性
• 很是態性
• 非凸性