這篇文章主要講述了機(jī)器學(xué)習(xí)的相關(guān)內(nèi)容，闡述了機(jī)器學(xué)習(xí)的主要意義和形成過(guò)程。區(qū)別了機(jī)器學(xué)習(xí)與AI、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等專業(yè)詞匯。

 

 

大多數(shù)人可能對(duì)機(jī)器學(xué)習(xí)有點(diǎn)恐懼或困惑。 腦子中會(huì)有它到底是什么,它有什么發(fā)展方向,我現(xiàn)在可以通過(guò)它掙錢嗎等等這樣的問(wèn)題。

這些問(wèn)題的提出都是有依據(jù)的。事實(shí)上，你可能沒(méi)有意識(shí)到自己其實(shí)多年來(lái)一直在訓(xùn)練機(jī)器學(xué)習(xí)模型。你看過(guò)蘋果手機(jī)或者是Facebook上的照片吧? 你知道它如何向你展示一組面孔并要求你識(shí)別它們嗎?其實(shí)，通過(guò)標(biāo)記這些照片，你正在訓(xùn)練面部識(shí)別模型去識(shí)別新面孔。恭喜你，現(xiàn)在可以說(shuō)你有訓(xùn)練機(jī)器學(xué)習(xí)模型的經(jīng)驗(yàn)了!但在此之前，請(qǐng)閱讀這些機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)，以便你可以準(zhǔn)確回答任何后續(xù)問(wèn)題。

1)機(jī)器學(xué)習(xí)可以預(yù)測(cè)

如果你只是在圖片中標(biāo)記朋友的面孔，那就不是在用機(jī)器學(xué)習(xí)模型。如果你上傳了一張新照片系統(tǒng)馬上告訴你每個(gè)人是誰(shuí)，那你就是應(yīng)用了機(jī)器學(xué)習(xí)模型。機(jī)器學(xué)習(xí)的主要意義在于根據(jù)圖案模型和經(jīng)過(guò)訓(xùn)練的其他因素來(lái)預(yù)測(cè)事物。它可以預(yù)測(cè)任何事物，如要基于地理位置和臥室數(shù)量預(yù)測(cè)房?jī)r(jià)，基于一年中的時(shí)間和天氣的變化預(yù)測(cè)航班是否會(huì)延誤，依據(jù)圖片中的人物特點(diǎn)進(jìn)行人像識(shí)別等等。

2)機(jī)器學(xué)習(xí)需要訓(xùn)練

你必須告訴機(jī)器學(xué)習(xí)模型它試圖預(yù)測(cè)的是什么。想想一個(gè)孩子是如何學(xué)習(xí)的，他們第一次看到香蕉，他們不知道它是什么。然后你告訴他們這是一個(gè)香蕉。下次他們看到另一個(gè)，他們會(huì)把它識(shí)別為香蕉，機(jī)器學(xué)習(xí)就是以類似的方式工作。你可以盡可能多地展示香蕉的照片，告訴它這是香蕉，然后用未經(jīng)訓(xùn)練的香蕉圖片進(jìn)行測(cè)試。但這是一個(gè)過(guò)度的簡(jiǎn)化的方法，因?yàn)檎麄�(gè)過(guò)程遺漏了告訴它什么不是香蕉的部分，除此之外還要給它展示不同種類不同顏色、不同角度的香蕉圖片等等。

3)達(dá)到80%的準(zhǔn)確度就可以認(rèn)為是成功的

我們還沒(méi)有達(dá)到通過(guò)機(jī)器學(xué)習(xí)平臺(tái)識(shí)別圖片中的香蕉達(dá)到100%的準(zhǔn)確率技術(shù)的地步，但也沒(méi)關(guān)系，事實(shí)證明，人類去識(shí)別也不是100%準(zhǔn)確。業(yè)界的潛規(guī)則是達(dá)到80%準(zhǔn)確度的模型就是成功的。大家可以思考一下，在你收藏的圖片中正確識(shí)別800,000張是非常有用的，雖然可能還有錯(cuò)誤的200,000張，但這已經(jīng)節(jié)省了80%的時(shí)間。毋庸置疑，這是非常有價(jià)值的。假如我可以用它使你的生產(chǎn)力提高如此之多，你肯定會(huì)付我很多錢。而事實(shí)證明我可以用機(jī)器學(xué)習(xí)提高你的生產(chǎn)力。(2018年更新：80%規(guī)則改為90%規(guī)則。)

4)機(jī)器學(xué)習(xí)不同于AI，深度學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)

人們經(jīng)常隨意拋出以上這些術(shù)語(yǔ)，聽(tīng)起來(lái)像專家，但其中有很大差異。

AI-人工智能是指在完成特定任務(wù)時(shí)與人類一樣好(或優(yōu)于人類)的計(jì)算機(jī)。它也可以指一個(gè)可以根據(jù)大量輸入做出決策的機(jī)器人，與終結(jié)者或C3PO不同。它是一個(gè)非常廣泛的術(shù)語(yǔ)，不是很有特指性。

ML-機(jī)器學(xué)習(xí)是實(shí)現(xiàn)AI的一種方法。就是通過(guò)解析數(shù)據(jù)集對(duì)某事做出預(yù)測(cè)。ML平臺(tái)可以通過(guò)許多不同的方式運(yùn)行訓(xùn)練集來(lái)預(yù)測(cè)事物。

NL-神經(jīng)網(wǎng)絡(luò)是實(shí)現(xiàn)機(jī)器學(xué)習(xí)模型預(yù)測(cè)事物的方式之一。神經(jīng)網(wǎng)絡(luò)的工作有點(diǎn)像人的大腦，通過(guò)大量的訓(xùn)練來(lái)調(diào)整自己，以了解香蕉應(yīng)該是什么樣子。這個(gè)過(guò)程創(chuàng)建了非常深的節(jié)點(diǎn)層。

5)在AI變得有自我意識(shí)之前，我們還有很長(zhǎng)的路要走

 

 

https://xkcd.com/1319/%29

我并不擔(dān)心機(jī)器學(xué)習(xí)接管地球。主要是因?yàn)槿绻�你曾�?gòu)建過(guò)一個(gè)機(jī)器學(xué)習(xí)模型，就會(huì)明白它需要依賴你來(lái)告訴它究竟該做什么。即使你給出明確的指示，它通常也會(huì)出錯(cuò)。你必須對(duì)這些體系非常清晰明確，讓它突然變化的可能性降到最低。即使是一個(gè)顯示帶有單詞的框的簡(jiǎn)單網(wǎng)頁(yè)，也需要你準(zhǔn)確地告訴它該框出現(xiàn)的位置，形狀，顏色，如何在不同的瀏覽器上工作，如何在不同的設(shè)備上正確顯示等等。

文章原標(biāo)題《Understand these 5 basic concepts to sound like a machine learning expert》

作者：Aaron Edell 譯者：么凹

標(biāo)簽： 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。