机器学习

终极算法----序言(零)

2020-09-28  本文已影响0人  thirsd

终极算法:机器学习和人工智能如何重塑世界

序言

所有科学中最重大的目标就是,从最少数量的假设和公理出发,用逻辑演绎推理的方法解释最大量的经验事实。 ——阿尔伯特·爱因斯坦

作者忠告:“不要和人工智能对抗,要让人工智能为你服务”

通过从数据中推断,它们自己会弄明白做事方法。掌握的数据越多,它们的工作就越顺利。

机器学习的核心就是预测:预测我们想要什么,预测我们行为的结果,预测如何能实现我们的目标,预测世界将如何改变。

概念模型

心理学家丹·诺曼(Don Norman)创造了“概念模型”(conceptual model)这个新词,代指为了有效利用某项技术而需粗略掌握的知识。

机器学习主要有5个学派,我们会对每个学派分别介绍:

学派 学派介绍 主算法
符号学派 将学习看作逆向演绎,并从哲学、心理学、逻辑学中寻求洞见; 逆向演绎
联结学派 对大脑进行逆向分析,灵感来源于神经科学和物理学 反向传播
进化学派 在计算机上模拟进化,并利用遗传学和进化生物学知识 遗传编程
贝叶斯学 认为学习是一种概率推理形式,理论根基在于统计学 贝叶斯推理
类推学 通过对相似性判断的外推来进行学习,并受心理学和数学最优化的影响 支持向量机

终极算法与机器学习的关系就像标准模型和粒子物理学或中心法则与分子生物学的关系:该统一原理能理解人类当今知道的一切,并为未来数十年或者数百年的进步奠定基础

在大数据时代(即便是中型数据时代),陈旧的、靠得住的统计工具并不会让你走得更远。你需要的是机器学习的非线性技术来精确模仿多种现象,它会带来全新的、科学的世界观。

上一篇 下一篇

猜你喜欢

热点阅读