当Python遇上AI（一）

 infi-chu:

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

 

一、什么是学习

如果要给学习下一个定义，那么根据某百科给出的定义是——学习，是指通过阅读、听讲、思考和实践等途径获得知识或技能的过程。

那么对于计算机而言，什么是学习呢？怎样可以使得机器也学会了学习？对于计算机而言，如果能够通过某个过程，就改变了它的性能，那么这个过程就称之为学习。

在计算机领域而言，学习的核心目的就是为了改善性能。

 

二、什么是机器学习

对于计算机系统而言，通过数据以及某种特定的方法来提升机器系统的性能，就是机器学习。

对于一个学习问题，我们要抓住三个特征：

• 任务的类型
• 衡量任务性能提升的标准
• 获取经验的来源

换种角度来定义的话，机器学习就是一个基于经验数据的函数估计问题。

虽说对于机器学习的定义颇多，但是相同之处在于，都强调了经验和数据的重要性，都认可机器学习提供了从数据中提取知识方法。

 

三、4象限

知识在2个维度上可以分为4类，即可以统计与不可统计2维度；可推理不可推理2维度，组合而成4类。

在横向坐标中，对于可推理的，可以通过机器学习的方法，最终完成推理；

在纵向坐标中，对于可统计的、但不可推理的，可以通过神经网络这种特定的机器学习方法，达到目的。

具体如下图所示：

 

 四、什么是深度学习

首先要明确一个定律——麻烦守恒定律：麻烦不会减少，只会转移。

深度学习是一种包含多个隐含层的多层感知机。他通过组合低层特征，形成更为抽象的高层表示，用于描述被识别对象的高级属性类别和特征。

 

五、方法论

•  端到端（end-to-end）
• 分而治之（divide and conquer）

 

六、人工智能定位：

为了改善系统性能，需要在4大方面不断改进：

• 增加处理器数量
• 增加处理器种类
• 增加处理器自己的连接
• 增加现有连接的流通程度

简单的来说，就是将人的智慧赋予机器，用“硅基大脑”模拟重现“碳基大脑”。

人工智能方向：

• 语音识别
  • 文本到语音
  • 语音到文本
• 自然语言处理
  • 文本生成
  • 机器问答
  • 上下文抽取
  • 文本分类
  • 机器翻译
• 机器学习
  • 深度学习
  • 监督学习
  • 无监督学习
• 计算机视觉
  • 图像识别
  • 机器视觉
• 机器人
• 专家系统
• 规划与推理

不管是深度学习还是机器学习，一般分为两个层面（两者相辅相成）：

• 面向过去，发现数据潜在的价值
• 面向未来，基于价值预测未来

【注】前者主要使用了“归纳”的方法，后者主要使用了“演绎”的方法。

判断机器学习的好坏，基于以下三点：

• 建模问题
• 评估问题
• 优化问题

 

七、人工神经网络的特点

• 非线性
• 非局限性
• 非常态性
• 非凸性