什么叫做机器学习？（科普向）
什么叫做机器学习？
本文写于 2020 年 11 月 12 日
AI 人工智能大家肯定都知道，但往往和机器学习、深度学习、神经网络傻傻分不清楚。
科学家在 1956 年就提出了 AI 概念，在这的 3 年后（1959） Arthur Samuel 就提出了机器学习，它是实现 AI 人工智能的一种手段。
机器学习并不是某种具体的算法，而是很多算法的统称，深度学习就是其中之一。其他方法包括决策树、聚类、贝叶斯……等等。
其中深度学习这两年较为出名，大街小巷都在谈论。它的灵感来自大脑的结构和功能，即许多神经元的互连，也就是人工神经网络（ANN），是模拟大脑生物结构的算法。
基础思路
机器学习的基本思路非常的简单，就跟把大象放进冰箱一样简单。
可以这么理解：我们有一个庞大的函数集，里面有无穷多个函数，我们知道很多组自变量和因变量的值，靠着这些值对，去找到其中最吻合的函数。
只要得到了这个函数，我们就可以通过输入猜测输出了。
例如，我们有大量猫的图片，通过训练我们的机器学习模型，最终获得了一个较为准确的函数，该函数可以接收一张图片作为参数，并且输出一个结果，这个结果就可以告诉我们这张图是不是一只猫。
总的来说，这个思路就是：
- 把现实生活中的问题抽象成数学模型，并且很清楚模型中不同参数的作用；
- 利用数学方法对这个数学模型进行求解，从而解决现实生活中的问题；
- 评估这个数学模型，是否真正的解决了现实生活中的问题，解决的如何？
但是不是所有问题都可以转换成数学问题的。
那些没有办法转换的现实问题 AI 就没有办法解决，所以同时最难的部分也就是把现实问题转换为数学问题这一步。
我们都听过一个故事：
有一个地主不识字，所以特别希望自己的儿子可以读书写字，于是他请了一个先生来教授自己的儿子。
先生来了之后先教地主的儿子写“一”、“二”、“三”，一就是一个横，二就是两个横，三就是三个横。
但是刚学完了这三个字，地主儿子就觉得自己学会了！一溜烟跑回了家。
地主知道自己儿子会写字了，十分开心，对儿子说：“你爸爸有个朋友，姓万，你来写一下吧。”
没想到过了 3 天，儿子还没写完，地主进了房间询问儿子。儿子哭丧着脸说道：“爸，你这朋友姓啥不好，非要姓万，我要写一万横啊！”
这其实就是一个监督学习的案例。
- “一”、“二”、“三”在机器学习中叫训练集；
- 上面提到的“一条横线“，”两条横线”这种区分不同汉字的属性叫特征；
- 地主儿子不断学习的过程叫建模；
- 学会了识字后总结出来的规律叫模型。
像这样通过训练集，不断识别特征，不断建模，最后形成有效的模型，这个过程就叫“机器学习”！！！（当然，如果我们的训练太少了，AI 就会像地主的儿子一样，总结出错误的模型）
可以说，机器通过建模，自己定义了什么叫做汉字。
机器学习的分类
机器学习根据训练方法大致可以分为 3 大类：
- 监督学习
- 非监督学习
- 强化学习
监督学习
监督学习是指我们给算法一个数据集，并且给定正确答案。机器通过数据来学习正确答案的计算方法。
非监督学习
非监督学习中，给定的数据集没有“正确答案”，所有的数据都是一样的。非监督学习的任务是从给定的数据集中，挖掘出潜在的结构。
例如，我们把很多很多猫和狗的照片给机器，但是不给这些照片打任何标签，我们希望机器能自己将这些照片分类。
非监督和监督的本质的差别在于：
非监督学习中，虽然照片分为了猫和狗，但是机器并不知道哪个是猫，哪个是狗。对于机器来说，相当于分成了 A、B 两类！
强化学习
强化学习更接近生物学习的本质，因此有望获得更高的智能。
它关注的是智能体如何在环境中采取一系列行为，从而获得最大的累积回报。通过强化学习，一个智能体应该知道在什么状态下应该采取什么行为。
2019 年 1 月 25 日，AlphaStar（Google 研发的人工智能程序，采用了强化学习的训练方式） 完虐星际争霸的职业选手职业选手“TLO”和“MANA”。
（完）
