一文带你读懂人工智能中的机器学习ML
扫描二维码
随时随地手机看文章
我们经常看到这几个热词:人工智能(ArTIficialIntelligence)、机器学习(MachineLearning)和深度学习(DeepLearning),但是它们之间究竟有什么区别和联系呢?
人工智能(AI)的根本在于智能,即如何为机器赋予人的智能,这是一个非常大的范围。
机器学习(ML)是指通过数据训练出能完成一定功能的模型,是实现人工智能的手段之一,也是目前最主流的人工智能实现方法。人工智能是科学,机器学习是让机器变得更加智能的方法或算法。
深度学习(DL)是机器学习的一个分支。深度即层数,超过 8 层的神经网络模型就叫深度学习。深度学习也是当下最流行的机器学习的一种。目前在语音、图像等领域取得了很好的效果。
三者之间是从大到小的包含关系。
今天重点介绍一下机器学习ML。
机器学习直接来源于早期的人工智能领域。
机器学习为什么如此重要?机器学习之所以成为人工智能背后的强劲动力是在于一个重大突破--互联网的发明。互联网有大量的数字信息被生成存储和分析。机器学习算法在这些大数据方面是最有效的。
机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。机器学习则是机器通过大数据的输入,从中主动寻求规律,验证规律,最后得出结论,机器据此结论来自主解决问题,如果出现了偏差,会自主纠错。
那么什么是机器学习呢?
机器学习ML(Machine Learning)是一门人工智能的学科,一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
机器学习ML是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
ML defined byLangley(1996) - Machine learning is a science of the arTIficial. Thefield‘s main objects of study are arTIfacts, specifically algorithms that improvetheir performance with experience.
ML defined byTom Mitchell (1997)- Machine Learning is the study of computeralgorithms that improve automaTIcally through experience.
ML defined byAlpaydin(2004) - Machine learning is programming computers to optimize aperformance criterion using example data or past experience.
机器学习的本质是空间搜索和函数的泛化。无论使用哪种机器学习模型,都要经历要经历“建立模型”,“训练模型”,“反馈”,“应用”的过程。而这个过程,跟一个婴儿认识世界,获取知识的过程是一样的。培养机器建立人的认识的过程,就是“机器学习”。
机器学习常见分类:
1)有监督学习(supervised learning):从给定的训练数据集中学习出一个函数,当新的数据到来时,可以根据这个函数预测结果。主要应用于分类和预测。监督学习的训练集要求是包括输入和输出,也可以说是特征和目标。训练集中的目标是由人标注的。常用算法包括人工神经网络(Artificial neural network)、贝叶斯(Bayesian) 、决策树(Decision Tree)和线性分类(Linear classifier)等 。