简谈什么是机器学习?

机器学习算法在数据中找到并应用模式。机器学习算法负责您所听说的绝大多数人工智能的发展和应用。

机器学习的解释是什么?

机器学习算法使用统计信息来查找大量数据中的模式。这里的数据包含很多东西,数字、单词、图像、点击次数,以及您所拥有的东西。如果可以数字方式存储,则可以将其输入到机器学习算法中。

机器学习是支持我们今天使用的许多服务的过程,这些服务例如Netflix,YouTube和Spotify上的推荐系统;Google和百度等搜索引擎;社交媒体供稿,例如Facebook和Twitter,Siri和Alexa等语音助手。

在所有这些情况下,每个平台都在收集尽可能多的有关您的数据-您喜欢观看的流派,单击的链接,正在反应的状态-并使用机器学习对您的行为进行有根据的猜测可能想要下一个。或者,对于语音助手,关于哪些词与您的嘴巴发出的有趣声音最匹配。

坦白说,这个过程是非常基本的:找到模式,应用模式。这几乎遍及整个世界。这在很大程度上要归功于Geoffrey Hinton在1986年发明的算法,Geoffrey Hinton今天被称为深度学习之父。

什么是深度学习?

深度学习是机器学习的兴奋剂:它使用一种技术,使机器能够增强查找甚至放大最小模式的能力。这项技术被称为深度神经网络,因为它具有许多层简单的计算节点,这些节点共同工作以挖掘数据并以预测的形式提供最终结果。

什么是神经网络?

神经网络受到人脑内部运作的模糊启发。节点有点像神经元,网络有点像大脑本身。但是欣顿在神经网络已经过时的时候发表了他的突破性论文。没有人真正知道如何训练他们,因此他们没有取得良好的成绩。该技术花了将近30年的时间才卷土重来。

什么是监督学习?

您需要了解的最后一件事:机器(深度)学习有以下三种形式:有监督,无监督和强化。在有监督的学习中,最普遍的是,对数据进行标记以告诉机器确切的机器应该寻找什么模式。可以将它想像成嗅探犬,一旦知道了气味,就会追捕目标。这就是您在Netflix节目上按播放时要做的—您正在告诉算法查找类似的节目。

什么是无监督学习?

在无监督学习中,数据没有标签。机器只是寻找可以找到的任何样式。这就像让狗闻到大量不同的物体并将它们分类为具有类似气味的组一样。无监督技术并不那么受欢迎,因为它们的应用不那么明显。有趣的是,他们已经在网络安全领域获得关注 。

什么是强化学习?

最后,我们有强化学习,这是机器学习的最新领域。强化算法通过反复试验来学习,以达到明确的目标。它会尝试许多不同的事物,并根据其行为是帮助还是阻碍其实现目标而受到奖励或惩罚。这就像在教狗新技巧时给予和保留治疗一样。最经典的应用案例是Google AlphaGo,该程序在最复杂的围棋游戏中击败了最好的人类玩家。

相关文章

Leave a Comment