超智能體筆記--什麼是機器學習

從小學到高中，天天上學時又是爲了什麼？

有人說，是爲了考上理想的大學，那考上理想的大學又是爲了什麼？有人說，爲了找份好的工做。

可思考的順序卻應該是反過來的：找到好工做的前提是能夠勝任這分工做，而能夠勝任這份工做的前提是能夠解決工做中所遇到的問題。

在遇到問題時，應用本身掌握問題的方法，得到一個預測，但預測的結論不必定正確，咱們但願能夠利用已經掌握的方法獲得與正確答案一致的預測。可是方法並不能憑空產生，須要從以往的經驗種學習，找到問題和答案之間的正確關係。

高考學習

應用是用問題和方法來預測答案，而學習是用問題和答案來得到方法。得到方法纔是學習得目的，纔是從小到大你我天天上學的目的。好比咱們從大量歷年的高考問題和其對應答案中學習某個問題的解題方法，高考的目的是但願學到一個能解決高考種任意該類問題的方法，可在高考以前，咱們並不知道已學到方法是否有效。因此須要模擬考來測試，用已經學到的方法預測模擬問題的答案。經過和模擬答案的對比得出考試分數，從而衡量學習得有效性。而決定一切的並不是是否能夠解決學習時所用的就問題，也並不是是否能夠解決模擬題，而是可否解決最後的高考題。然而高考也只是驗證本身所學方法有效性的一次模擬。不一樣之處在於，該次模擬的結構是給他人蔘考而用的，各個大學和企業會用改次模擬的結構來判斷你說學方法的有效性，來判斷你未來解決問題的能力，更多的也是判斷你的學習能力。

機器學習

上述過程時高考學習，同時也是機器學習中重要的監督學習。
監督學習，是指有明確答案，可供尋找問題與答案之間關係的學習方式。不過以上的概念在機器學習中有了新的名字。

描述問題與答案之間關係的方法叫作模型。
學習問題與答案之間關係的過程叫作訓練。
解決問題的過程叫作預測。
衡量模型好壞的過程叫作評估。
訓練所用的問題和答案叫作訓練集。
評估所用的問題和答案叫作測試集。
訓練集合測試機都是數據，須要提早蒐集。
而當前人工智能的核心，也就是將你我從小學到高中作了12年的事情搬到計算機上來作，最終的目的是但願獲得一個能夠解決該任務下任意新問題的模型，也就是：用數據來訓練處模型再應用。

將來工做

阿法狗打敗李世石以後，人們更多的是擔心將來本身的工做會被取代。這種擔心在歷史上循環出現，每當出現新技術出現替代人某項能力的主導地位之際。例如，機器對人體能上的超越，計算機對人模擬能力上的超越。

但是即使沒有人工智能，隨着時間的推移，所要解決的問題必然會隨之改變，想要保持自身的價值，就須要再次學習，這也是爲何咱們須要終身學習的緣由。這也意味着，雖然高考學習得東西，可能未來某些同窗不會用到，但以考覈學習能力的高考來篩選人才確實是有必定的道理的。

而此次的人工智能的技術倒是擴充了人類的學習能力，它容許咱們在計算機上來學習解決問題的方法，所學到的方法的好壞決定了你我是否能夠有效的解決問題，決定了你我能夠找到什麼樣的工做，創造多少價值，得到多少工資。

學習能力纔是咱們得到方法，解決問題，創造價值的原動力、不論是高考學習仍是機器學習，你是否定爲機器學習僅僅是一個新興行業呢。

這是一項人人都應該掌握的技術，但市面上絕大多數的教程都是從抽象的數學開始，線性代數，機率統計，微積分，隨後又是編程算法，光學處理，光是預備課就足夠學習好幾年，這些都是很是有用的工具，是精通和推進人工智能的必要技能，但卻不是入門的最好學習順序。

提及來，沒有人是先搞清楚本身大腦的學習原理再去學習?何況並不是全部人都要推進人工智能的發展，而事實上，你我早已掌握了理解機器學習技術的所有隻是，只是你並未察覺。雖然研究和推進人工智能的發展十分困難，但學習如何使用人工智能技術倒是出乎意料的簡單，這要歸功於人工智能研究的開源，容許人們不斷的更新和推進更方便簡單的工具。

TensorFolw是谷歌的機器學習工具，如今市面上的TensorFolw書籍雖然在知識概念上依然有效，但實現的方法都已通過時，由於知識老是不斷迭代的。

重要的並非知識自己，而是學習知識的能力，這項能力是咱們的祖先在無數次被殘酷的天然選擇以後說留下的，這項能力支撐了咱們在地球上的存在。

知識點

• 監督學習：有明確答案，可供尋找問題與答案之間關係的學習方式
• 模型：描述問題與答案之間關係的方法
• 訓練：學習問題與答案之間關係的過程
• 預測：解決問題的過程
• 評估：衡量模型好壞的過程
• 訓練集：訓練所用的問題和答案
• 測試集：評估所用的問題和答案
• 數據：訓練集和測試集都是數據。須要提早蒐集
• 機器學習：用數據來訓練出模型並再應用