一圖讀懂人工智能的是是非非
2017-05-03 20:22:10 知識(shí)分子導(dǎo)語：
說起人工智能，大家想到的都是各種科幻電影、漫畫中各種像人一樣有自我意識(shí)、能思考復(fù)雜問題的機(jī)器人。它們除了沒有血肉之軀，不容易感情用事，記憶力和計(jì)算能力特別出色之外，簡(jiǎn)直跟我們?nèi)祟悰]有什么區(qū)別。
圖文 | 菠蘿科學(xué)獎(jiǎng)
責(zé)編 | 葉水送
有的人認(rèn)為，我們擁有了人工智能之后，就等于擁有大量不怕苦不怕累的廉價(jià)勞動(dòng)力。它們不但能替人類做體力勞動(dòng)，還能替人類做腦力勞動(dòng)，很多時(shí)候比人類做的還要好。
也有人認(rèn)為，人工智能看起來很美好，但實(shí)際上非常危險(xiǎn)，人類必須小心。1993年，著名科幻作家弗諾·文奇提出了“技術(shù)奇點(diǎn)”理論。他認(rèn)為，一旦人工智能出現(xiàn)，它們就會(huì)不斷學(xué)習(xí)，不斷改進(jìn)自己，變得越來越聰明，而且變聰明的速度會(huì)越來越快，引發(fā)“智能技術(shù)的爆炸”（即技術(shù)奇點(diǎn)）。最后，它們發(fā)展出了一種在各方面都碾壓人類的超級(jí)人工智能，從此，人類的時(shí)代將會(huì)終結(jié)。
科幻小說甚至常常設(shè)想人工智能擁有了反抗意識(shí)，試圖消滅人類。
有識(shí)之士不斷發(fā)出警告，呼吁我們限制人工智能的研究，警惕人工智能的潛在風(fēng)險(xiǎn)。
然而，這些討論都或多或少脫離了我們的現(xiàn)實(shí)?；艚鸬热穗m然很聰明，但他們畢竟沒有親自從事人工智能的研究。也許，他們的設(shè)想就像150多年前的科幻作家一樣，以為通過一門巨型大炮就可以將人類送往月球。雖然我們最終登上了月球，但我們用的是火箭，而不是大炮。
也許，他們的設(shè)想就像人工核聚變一樣，長期處于“再過30年就能實(shí)現(xiàn)”的樂觀中。但實(shí)際上過了好幾個(gè)30年，卻仍然沒有實(shí)現(xiàn)。
無論如何，人工智能的應(yīng)用已經(jīng)滲透到了我們生活中的方方面面。未來無法阻擋，未來就在我們腳下。與其白日做夢(mèng)，患得患失，我們不如客觀地了解一下，現(xiàn)在的人工智能到底是怎么回事。
人工智能的發(fā)展歷史
機(jī)器到底能不能思考？計(jì)算機(jī)科學(xué)家艾茲赫爾·戴克斯特拉認(rèn)為，這個(gè)問題就相當(dāng)于問“潛水艇能不能游泳”。如果游泳的定義是“利用四肢、鰭或尾巴在水中前進(jìn)”，那么潛水艇肯定不會(huì)游泳，因?yàn)樗葲]有胳膊也沒有腿。
但是，這種咬文嚼字的定義顯然是荒謬的。潛水艇顯然會(huì)“游泳”，只不過不是我們所設(shè)想的那種游泳。同樣的道理，機(jī)器也能“思考”，只不過不是我們所設(shè)想的那種思考。我們可以說，機(jī)器在通過計(jì)算機(jī)程序模擬人類的思考，使得自己在某些具體的任務(wù)中，像人類一樣能看、能聽、能想、能說、能動(dòng)。
1950年，阿蘭·圖靈發(fā)表了一篇論文，叫做《計(jì)算機(jī)器與智能》。他提出，與其去研究機(jī)器到底能不能思考，還不如去讓機(jī)器參加一個(gè)智能的行為測(cè)試，也就是圖靈測(cè)試。
在圖靈測(cè)試中，一個(gè)計(jì)算機(jī)程序通過在屏幕上打字跟一個(gè)人進(jìn)行5分鐘的在線聊天。這個(gè)人需要判斷，跟他聊天的是一個(gè)計(jì)算機(jī)程序還是一個(gè)大活人。如果一個(gè)計(jì)算機(jī)程序有30%的幾率讓別人誤以為自己是一個(gè)大活人，那么它就通過了圖靈測(cè)試。我們就可以說這個(gè)程序?qū)W會(huì)了“思考”。
圖靈預(yù)計(jì)，在2000年時(shí)，計(jì)算機(jī)可以存儲(chǔ)1GB的信息。人類在這樣的計(jì)算機(jī)上就能編寫一個(gè)能夠通過圖靈測(cè)試的程序。實(shí)際上，圖靈的設(shè)想并沒有實(shí)現(xiàn)，現(xiàn)在還沒有任何一個(gè)計(jì)算機(jī)程序能夠騙過聰明的人類裁判。并且，很少有人工智能科學(xué)家關(guān)心圖靈測(cè)試。他們主要關(guān)心的是如何讓自己的人工智能程序像人類一樣，能夠“聰明地”完成某個(gè)具體的實(shí)際任務(wù)，比如駕駛汽車。
為了讓機(jī)器能夠通過某種計(jì)算機(jī)程序?qū)W會(huì)“思考”，人類科學(xué)家嘗試了各種各樣的方法，付出了幾代人的努力，熬過了兩次低谷，經(jīng)歷了三次高潮。
人工智能的三大驅(qū)動(dòng)要素
人工智能之所以能在近年來掀起新一輪高潮，主要是因?yàn)槿篁?qū)動(dòng)要素：算法、大數(shù)據(jù)、運(yùn)算能力。
算法：概括地說，計(jì)算機(jī)主要干三件事，一是輸入，二是運(yùn)算，三是輸出。不論輸入什么，在計(jì)算機(jī)看來都是一堆數(shù)據(jù)。不論輸出什么，在計(jì)算機(jī)看來也都是一堆數(shù)據(jù)。研究人工智能的計(jì)算機(jī)程序，很多時(shí)候是在研究“聰明的算法”，能夠適應(yīng)各種各樣的實(shí)際情況，讓計(jì)算機(jī)程序通過運(yùn)算，從輸入的數(shù)據(jù)出發(fā)，正確而高效地得出應(yīng)該輸出的結(jié)果。在這一輪人工智能的熱潮中，機(jī)器學(xué)習(xí)的算法發(fā)揮了重要的作用。
什么叫算法？
當(dāng)你交給計(jì)算機(jī)一個(gè)任務(wù)的時(shí)候，不但要告訴它做什么，還要告訴它怎么做。關(guān)于“怎么做”的一系列指令就叫做算法。
比方說，你輸入一個(gè)峽谷的等高線地形圖，讓計(jì)算機(jī)找到其中海拔最低的地方。你需要告訴計(jì)算機(jī)，從地形圖的左上角開始向右走，一行一行地來回掃描，走遍整張圖之后，比較所有經(jīng)過的地方的海拔高度，最終找到那個(gè)最低的地方。這就是一種算法，只不過這種算法效率很低，看起來很“笨”。
聰明的人會(huì)用聰明的算法。例如，讓計(jì)算機(jī)把自己想象成一個(gè)小球，從圖中峽谷的任意一個(gè)地方開始往下滾。如果滾到一個(gè)地方滾不動(dòng)了，那個(gè)地方就是海拔最低的地方。這種聰明的算法叫做“梯度下降法”。如果將來你要學(xué)習(xí)人工智能，這可能是你要掌握的第一個(gè)算法。
什么叫機(jī)器學(xué)習(xí)？
很多時(shí)候，計(jì)算機(jī)工程師不可能像諸葛亮一樣，把所有可能發(fā)生的情況都提前預(yù)料到，然后把應(yīng)對(duì)方法寫入幾個(gè)錦囊之中，讓計(jì)算機(jī)遇到問題時(shí)就打開其中一個(gè)看。計(jì)算機(jī)只要按照提前準(zhǔn)備好的方法應(yīng)對(duì)，就能渡過難關(guān)。
為了完成更加復(fù)雜的任務(wù)，工程師必須讓計(jì)算機(jī)變得再聰明一些，能夠自動(dòng)“學(xué)習(xí)”，從已有的歷史數(shù)據(jù)和經(jīng)驗(yàn)中自動(dòng)分析，總結(jié)出規(guī)律。隨后，計(jì)算機(jī)就可以利用自己總結(jié)出來的規(guī)律，對(duì)新輸入的數(shù)據(jù)進(jìn)行預(yù)測(cè)。這就是機(jī)器學(xué)習(xí)算法。
例如，你把杭州所有房子的價(jià)格和它們的面積、學(xué)區(qū)、建造時(shí)間以及周圍的交通情況等信息輸入計(jì)算機(jī)，通過機(jī)器學(xué)習(xí)算法，計(jì)算機(jī)就能學(xué)到“大致判定杭州一個(gè)房子的價(jià)格的規(guī)律”。
上面那個(gè)例子很簡(jiǎn)單，可能你覺得不必勞煩計(jì)算機(jī)去學(xué)習(xí)，直接告訴它規(guī)律就可以了。但是有些規(guī)律雖然你自己能夠領(lǐng)悟，但你卻無法翻譯成機(jī)器能理解的算法。例如，如何把一張照片變成一幅像是梵高畫過的油畫？如何讓語音合成旗模仿一個(gè)名人的聲音？如何讓一個(gè)六條腿的機(jī)器狗適應(yīng)各種野外地形？如何讓一家電商的服務(wù)器猜出一個(gè)新用戶可能想要買什么商品？這個(gè)時(shí)候就要靠機(jī)器學(xué)習(xí)了。
大數(shù)據(jù)：既然要讓機(jī)器努力學(xué)習(xí)，就得有東西（“大量數(shù)據(jù)”）可學(xué)。人類每時(shí)每刻的每個(gè)行為都可以變成數(shù)據(jù)，但在前互聯(lián)網(wǎng)時(shí)代，這些數(shù)據(jù)都不可能輕易地記錄和保存下來。隨著互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的發(fā)展，隨著網(wǎng)絡(luò)帶寬不斷增加，隨著存儲(chǔ)的硬件成本不斷降低，全球人類產(chǎn)生的數(shù)據(jù)在爆發(fā)性增長，為人工智能的發(fā)展提供了源源不斷的營養(yǎng)。
運(yùn)算能力：大數(shù)據(jù)的營養(yǎng)有了，計(jì)算機(jī)程序還要經(jīng)過大量運(yùn)算，才能對(duì)這些營養(yǎng)進(jìn)行“消化”、“吸收”，變成各種各樣的“模型”，才能夠模擬人類的智能。從前，科學(xué)家使用傳統(tǒng)的CPU進(jìn)行模型訓(xùn)練，運(yùn)算過程少則幾天，多則幾個(gè)星期，效率非常低。應(yīng)用了GPU、FPGA和分布式運(yùn)算等新的運(yùn)算加速技術(shù)以后，模型訓(xùn)練的效率大大提高。有實(shí)際應(yīng)用價(jià)值的人工智能程序一個(gè)接一個(gè)地涌現(xiàn)了出來。
人工智能近期可以用在哪里？
從理論上講，人類能夠完成的任何一種重復(fù)的勞動(dòng)，甚至人類無法完成的許多重復(fù)的勞動(dòng)，都能用人工智能的算法進(jìn)行機(jī)器學(xué)習(xí)。一旦模型訓(xùn)練成功，它們就可以在這些學(xué)過的具體任務(wù)中，像人類一樣能看、能聽、能想、能說、能動(dòng)。
實(shí)際上，科學(xué)界和企業(yè)界對(duì)人工智能的應(yīng)用，依賴于每個(gè)領(lǐng)域的具體使用場(chǎng)景。下面，我們從與日常生活相關(guān)的領(lǐng)域出發(fā)，簡(jiǎn)要地介紹人工智能的幾個(gè)使用場(chǎng)景。
醫(yī)療：每天都有很多人去醫(yī)院看門診，做檢查，接受治療。假設(shè)一個(gè)專家每天看30個(gè)病人，全年無休，經(jīng)過30年的艱苦訓(xùn)練，也只能看完33萬個(gè)病人。而且，如果他這樣不要命地看病，就沒有辦法讀論文，參加學(xué)術(shù)會(huì)議，學(xué)習(xí)最新的醫(yī)學(xué)研究成果。
同時(shí)，根據(jù)IBM的資料，僅僅在上海市衛(wèi)生信息系統(tǒng)，每天生產(chǎn)的數(shù)據(jù)就高達(dá)1000萬條，已建立起的電子健康檔案達(dá)3000萬，信息總量已達(dá)20億條。這些資料靠人力根本不可能看完，只能依靠擁有人工智能的計(jì)算機(jī)。
例如，根據(jù)日本媒體報(bào)道，有位 66 歲的女病人山下女士罹患罕見的「急性骨髄性白血病」，IBM的人工智能系統(tǒng)Watson 在她病情突然惡化，意識(shí)不清的緊急狀況下，只用了 10分鐘就從 2000 萬份論文中找到了依據(jù)，精確判斷了她的病癥，并找出了最適合的療法治療成功。
安防：為了偵破案件，公安部門常常要調(diào)取公共場(chǎng)所和道路兩側(cè)的監(jiān)控錄像。應(yīng)用了人工智能技術(shù)之后，計(jì)算機(jī)在破案時(shí)可以從視頻畫面中，識(shí)別可疑人員的特征，快速確定可疑人員的身份，并綜合解決查人、找人、預(yù)警、追蹤等的人員管理監(jiān)控問題。計(jì)算機(jī)也可以在視頻畫面中，識(shí)別車輛信息，幫助失主追回被盜的汽車。
金融：全球的證券市場(chǎng)每天都會(huì)產(chǎn)生大量交易數(shù)據(jù)。著名對(duì)沖基金橋水曾經(jīng)利用人工智能技術(shù)，通過這些歷史數(shù)據(jù)和統(tǒng)計(jì)概率預(yù)測(cè)未來。這個(gè)程序能隨著市場(chǎng)的變化而變化，不斷適應(yīng)新的趨勢(shì)，而不是一成不變的。
交通：在汽車上安裝了攝像頭之后，無人駕駛的科學(xué)家就可以訓(xùn)練計(jì)算機(jī)從視頻圖像中，學(xué)習(xí)識(shí)別周圍的物體和環(huán)境，檢測(cè)可行區(qū)域的范圍，并判斷車該往哪里開。
新聞業(yè)：美國有一家叫做敘事科學(xué)的公司，在2010年就推出了一款名為Quill的寫作軟件，能從不同角度將數(shù)字轉(zhuǎn)化為有故事情節(jié)的敘述文。Quill曾被用來撰寫電視及網(wǎng)絡(luò)上棒球賽事的比賽報(bào)告，福布斯網(wǎng)站曾使用該公司的技術(shù)自動(dòng)制作財(cái)報(bào)和房地產(chǎn)相關(guān)報(bào)告等。
語音識(shí)別和語音合成：只要給人工智能軟件投喂足夠多的語料庫，理論上它可以模仿任何一個(gè)人的聲音。你想讓它說什么，它就能按照那個(gè)人的聲音說什么。甚至還能用奧巴馬的聲音說帶口音的漢語。
自然語言處理：時(shí)間就是金錢，浪費(fèi)你的時(shí)間就是浪費(fèi)你的錢。垃圾郵件不但浪費(fèi)你的時(shí)間，浪費(fèi)你的帶寬，有時(shí)候還給你設(shè)下騙局，妄圖直接騙走你的錢。應(yīng)用了人工智能技術(shù)之后，許多郵箱的垃圾郵件大大降低了，有些郵件服務(wù)商甚至將垃圾郵件比例降到了0.1%。
機(jī)器人裝置：雖然機(jī)器貓八字還沒一撇，但是機(jī)器狗，機(jī)器驢，機(jī)器蜘蛛都已經(jīng)發(fā)明出來了。它們能站，能走，能跑，能爬，上山不打顫，下雪不怕滑。
科學(xué)研究：歐洲核子中心的大型強(qiáng)子對(duì)撞機(jī)，每秒鐘能夠產(chǎn)生幾億次對(duì)撞，但這些數(shù)據(jù)并不是全都能派上用場(chǎng)，科學(xué)家只能用快速而粗糙的標(biāo)準(zhǔn)篩選出其中區(qū)區(qū)1/1000的事件?？茖W(xué)家計(jì)劃在未來的加速器中安裝人工智能程序，將更多可能蘊(yùn)含著新發(fā)現(xiàn)的工作交給它。
電子商務(wù)：當(dāng)你在網(wǎng)上開心地剁手的時(shí)候，你可知道自己也在不知不覺地用到了人工智能技術(shù)？利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、搜索引擎、自然語言處理等多種技術(shù)，各種買買買的網(wǎng)站都能根據(jù)用戶在網(wǎng)站中的點(diǎn)擊、瀏覽、停留、跳轉(zhuǎn)、關(guān)閉等行為，猜出你大概是哪種人，可能會(huì)喜歡什么，然后把你可能喜歡的商品推薦到你眼前，讓剁手來得更猛烈些。
看完這份小資料之后，你有沒有人工智能沒那么神秘，沒那么可怕了呢？其實(shí)，人工智能技術(shù)的發(fā)展就像人類之前遭遇過的每一項(xiàng)技術(shù)突破一樣，既會(huì)給我們帶來好處，也會(huì)給我們帶來問題。鼓吹人工智能也好，警惕人工智能也好，我們不如先冷靜下來，踏踏實(shí)實(shí)地搞清楚人工智能到底是什么，理性地迎接未來的降臨。
附錄：機(jī)器到底是怎么學(xué)習(xí)的？（本節(jié)內(nèi)容專門為有好奇心的讀者而設(shè)）
從算法的角度看，機(jī)器學(xué)習(xí)有很多種算法，例如回歸算法、基于實(shí)例的算法、正則化算法、決策樹算法、貝葉斯算法、聚合算法、關(guān)聯(lián)規(guī)則學(xué)習(xí)算法和人工神經(jīng)網(wǎng)絡(luò)算法。很多算法可以應(yīng)用于不同的具體問題；很多具體的問題也需要同時(shí)應(yīng)用好幾種不同的算法。由于篇幅有限，我們僅介紹其中（可能是公眾心目中名氣最大的）一種：人工神經(jīng)網(wǎng)絡(luò)。
人工神經(jīng)網(wǎng)絡(luò)：
既然人工智能要模擬人類的思考過程，一些人工智能科學(xué)家想，不如我們先看看人類是怎樣思考的吧？
人類的大腦是一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)。它的組成單元是神經(jīng)元。每一個(gè)神經(jīng)元看起來很簡(jiǎn)單，它們先接收上一個(gè)神經(jīng)細(xì)胞的電信號(hào)刺激，再向下一個(gè)神經(jīng)細(xì)胞發(fā)出電信號(hào)刺激。
別看神經(jīng)元細(xì)胞很簡(jiǎn)單，但如果神經(jīng)元的數(shù)量很多，它們彼此之間的連接恰到好處，變成神經(jīng)網(wǎng)絡(luò)，就可以從簡(jiǎn)單中演生出復(fù)雜的智能來。例如，人類的大腦中含有1千億個(gè)神經(jīng)元，平均每個(gè)神經(jīng)元跟其他的神經(jīng)元存在7000個(gè)突觸連接。一個(gè)三歲小孩大腦中，大約會(huì)形成1千萬億個(gè)突觸。隨著年齡的增長，人類大腦的突觸數(shù)量會(huì)逐漸減少。成年人的大腦中，大約會(huì)有1百萬億到5百萬億個(gè)突觸。
雖然科學(xué)家還沒有完全搞清楚人類大腦的神經(jīng)網(wǎng)絡(luò)的運(yùn)作方式，但人工智能科學(xué)家想，不理解沒關(guān)系，先在計(jì)算機(jī)中模擬一組虛擬的神經(jīng)網(wǎng)絡(luò)試試看，這就是人工神經(jīng)網(wǎng)絡(luò)。
在人工神經(jīng)網(wǎng)絡(luò)中，每一個(gè)小圓圈都是在模擬一個(gè)“神經(jīng)元”。它能夠接收從上一層神經(jīng)元傳來的輸入信號(hào)（也就是一堆數(shù)字）；根據(jù)不同神經(jīng)元在它眼中的重要性，分配不同的權(quán)重，然后將輸入信號(hào)按照各自的權(quán)重加起來（一堆數(shù)字乘以權(quán)重的大小，再求和）；接著，它將加起來結(jié)果代入某個(gè)函數(shù)（通常是非線性函數(shù)），進(jìn)行運(yùn)算，得到最終結(jié)果；最后，它再將這個(gè)結(jié)果輸出給神經(jīng)網(wǎng)絡(luò)中的下一層神經(jīng)元。
人工神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元看起來很簡(jiǎn)單，只知道傻傻地將上一層神經(jīng)元的輸入數(shù)據(jù)進(jìn)行簡(jiǎn)單的運(yùn)算，然后再傻傻地輸出。沒想到這一套還真的很管用，運(yùn)用一系列精巧的算法，再給它投喂大量的數(shù)據(jù)之后，人工神經(jīng)網(wǎng)絡(luò)居然能夠像人腦的神經(jīng)網(wǎng)絡(luò)一樣，從復(fù)雜的數(shù)據(jù)中發(fā)現(xiàn)一系列“特征”，產(chǎn)生“聰明的思考結(jié)果”。
那么人工神經(jīng)網(wǎng)絡(luò)是怎么學(xué)習(xí)的呢？所謂的學(xué)習(xí)，本質(zhì)上是讓人工神經(jīng)網(wǎng)絡(luò)嘗試調(diào)節(jié)每一個(gè)神經(jīng)元上的權(quán)重大小，使得整個(gè)人工神經(jīng)網(wǎng)絡(luò)在某一個(gè)任務(wù)的測(cè)試中的表現(xiàn)達(dá)到某個(gè)要求（例如，識(shí)別汽車的正確率達(dá)到90%以上）。
請(qǐng)回憶一下前面講過的“梯度下降法”。人工神經(jīng)網(wǎng)絡(luò)嘗試不同的權(quán)重大小，相當(dāng)于在一個(gè)參數(shù)空間的地圖上四處游走。每一種權(quán)重的組合對(duì)應(yīng)的人工神經(jīng)網(wǎng)絡(luò)執(zhí)行任務(wù)時(shí)的錯(cuò)誤率，相當(dāng)于這個(gè)地圖上的每一點(diǎn)都有一個(gè)海拔高度。尋找一組權(quán)重，使得人工神經(jīng)網(wǎng)絡(luò)的表現(xiàn)最好，錯(cuò)誤率最低，就相當(dāng)于在地圖上尋找海拔最低的地方。所以，人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程，常常要用到某種“梯度下降法”，這就是為什么如果將來你要學(xué)習(xí)人工智能，第一個(gè)要掌握的就是“梯度下降法”。
機(jī)器學(xué)習(xí)的分類：
從學(xué)習(xí)風(fēng)格的角度看，機(jī)器學(xué)習(xí)有很很多種學(xué)習(xí)方法，我們簡(jiǎn)要地列舉其中幾種方法：監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)。
監(jiān)督學(xué)習(xí)：比方說，你想教計(jì)算機(jī)如何識(shí)別一張照片上的動(dòng)物是不是貓。你先拿出幾十萬張動(dòng)物的照片，凡是有貓的，你就告訴計(jì)算機(jī)有貓；凡是沒有貓的，你就告訴計(jì)算機(jī)沒有貓。也就是說，你預(yù)先給計(jì)算機(jī)要學(xué)習(xí)的數(shù)據(jù)進(jìn)行了分類。這相當(dāng)于你監(jiān)督了計(jì)算機(jī)的學(xué)習(xí)過程。
經(jīng)過一段監(jiān)督學(xué)習(xí)的過程之后，如果你再給計(jì)算機(jī)看照片，它就能認(rèn)出照片中有沒有貓。
非監(jiān)督學(xué)習(xí)：比方說，你想教計(jì)算機(jī)區(qū)分貓和狗的照片。你拿出幾十萬張貓和狗的照片（沒有其他動(dòng)物）。你并不告訴計(jì)算機(jī)哪些是貓，哪些是狗。也就是說，你沒有預(yù)先給計(jì)算機(jī)要學(xué)習(xí)的數(shù)據(jù)進(jìn)行分類，所以你并沒有監(jiān)督計(jì)算機(jī)的學(xué)習(xí)過程。
經(jīng)過一段監(jiān)督學(xué)習(xí)的過程之后，計(jì)算機(jī)就能把你輸入的照片按照相似性分成兩個(gè)大類（也就是區(qū)分了貓和狗）。只不過計(jì)算機(jī)只是從數(shù)字照片的數(shù)學(xué)特征的角度進(jìn)行了分類，而不是從動(dòng)物學(xué)的角度進(jìn)行了分類。
強(qiáng)化學(xué)習(xí)：比方說，你想教計(jì)算機(jī)控制一只機(jī)械臂打乒乓球。一開始，計(jì)算機(jī)控制機(jī)械臂像傻瓜一樣，拿著球拍做很多隨機(jī)的動(dòng)作，完全不得要領(lǐng)。
但是，一旦機(jī)械臂湊巧接到一個(gè)球，并把球擊打到對(duì)手的球桌上，我們就讓計(jì)算機(jī)得一分，這叫做獎(jiǎng)勵(lì)。一旦機(jī)械臂沒有正確地接到球、或沒有把球擊打到正確的位置上，我們就給計(jì)算機(jī)扣一分，這叫做懲罰。經(jīng)過大量的訓(xùn)練之后，機(jī)械臂漸漸地從獎(jiǎng)勵(lì)和懲罰中，學(xué)會(huì)了接球、擊打球的基本動(dòng)作。
遷移學(xué)習(xí)：比方說，你讓計(jì)算機(jī)學(xué)會(huì)了控制機(jī)械臂打乒乓球之后，又叫它學(xué)習(xí)打網(wǎng)球。這個(gè)時(shí)候，你不需要讓計(jì)算機(jī)從零開始重新學(xué)，因?yàn)槠古仪蚝途W(wǎng)球的規(guī)則是相似的。例如，這兩種球都要把球擊打到對(duì)方的球場(chǎng)/球桌上。所以，計(jì)算機(jī)可以將之前學(xué)到的動(dòng)作遷移過來。這樣一種學(xué)習(xí)，就叫做遷移學(xué)習(xí)。
EETOP 官方微信
創(chuàng)芯大講堂 在線教育
半導(dǎo)體創(chuàng)芯網(wǎng) 快訊
相關(guān)文章
