人工智能和机械进修可谓火爆绝后。自从AlphaGo完胜人类围棋顶尖棋手后，人们关于人工智能的评论辩论就从未连续过。 有人说，人工智能会使年夜批人掉业，又有人说，人工智能会给人类带来威逼。更多人等待的则是，人工智能可以赞助我们发明更多的价值。AI是一个异常狭义的概念。为了更好的懂得它，如今先让我们来评论辩论一下人工智能的一个主要分支——机械进修。本文编译于Ben Dickson近期在techfinancials.co.za上揭橥的题为“What is machine learning?”的文章。
当我第一次试着编程时，我就爱上了这门艺术（是的，我信任编程既是迷信又是艺术）， 那一年，我九岁。 我很快就迷上了若何经由过程设置逻辑规矩和前提来掌握法式的流程，if… else语句，switch，轮回等等。
在接上去的几年里，我学会了经由过程创立模块和将代码段笼统成函数和类的手腕来坚持代码整洁。 我经由过程面向对象的剖析和设计（OOA / D）加强了我的软件开辟技巧。 我进修了代码的反复应用和设计形式。 我学会了用UML图形和表示图来说明我的法式。 我学会了将这些准绳运用于近十几种分歧的编程说话当中。
然则编程的经历轨则坚持不变：界说规矩和逻辑。 其他的只是赞助实行和保护这些规矩的技能。
几十年来，基于规矩的代码主导了我们创立软件的方法。 我们剖析一个或一组成绩，指定界限，实例，过程，关系，并将它们转换为肯定软件任务方法的规矩。
固然这类办法对我们来讲很好，但却招致了“笨”软件，除非人类以某种方法更新其逻辑，不然该法式永久不会转变其行动。 别的，它也不实用于规矩不明白的情形，例如辨认图象中的对象，在收集流量中发明歹意运动，或是在不屈坦的空中上对机械人停止导航。
机械进修是古代人工智能的基石，它推翻了传统编程形式。 机械进修有助于创立修改和改良其机能的软件，而无需人类向其说明若何完成义务。 这就是我们明天直接应用的， 和很多行将产生的，立异面前的技巧，包含你从网站，数字助理，无人驾驶汽车，剖析软件等处看到的使人惊奇的建议。
甚么是机械进修？
机械进修是从示例中进修的软件。 你不须要编写机械进修的算法，而是经由过程供给年夜量的相干数据，来练习它们。 例如，不要试图对机械算法说明一只猫看起来是甚么样的，你须要经由过程供给数百万张猫的图片来培训它。 该算法在这些图象中找到反复的形式，并为本身肯定若何界说猫的外不雅。在此以后，当你向该法式显示新照片时，它可以辨别照片中能否含有猫的成份。
很多人将机械进修同等于人工智能。 但是，AI是一个松懈的概念，它可以运用于从庞杂的、基于规矩的软件到还没有创造的，人类智能之间的任何工作。 现实上，机械进修是AI的一个特殊分支，它基于数据而并不是规矩来创立法式。
甚么是监视，无监视和强化进修？
机械进修有几种分歧作风的算法。 个中最风行的是“监视进修”，进一步说，就是你应用带有标签数据的练习算法，将一组输出对象（平日为矢量）映照到一组希冀的输入值中（也称为监视旌旗灯号）。 下面所讲的猫的示例就是监视进修的一个例子。 另外一个例子是语音辨认，你可以经由过程供给声响波形来对应个中的书面字体。
你供给给监视进修的算法样本越多，其剖析新数据的才能就越准确。 而这也是监视进修的重要挑衅。 创立带有标志样本的年夜数据异常耗时，同时也须要年夜量的人力。 一些平台，如亚马逊的Mechanical Turk供给数据标签办事。
在“无监视进修”中，机械进修的另外一个分支，则没有参考数据，一切都没有标签。 换句话说，你供给输出，但不供给输入。 该算法对未标志的数据停止整顿，提取推论并找出形式。 无人监视进修关于人类没法界说的，隐蔽形式的情形特别有效。
例如，你许可机械进修算法监督你的收集运动。 然后，它将依据其找到的形式设置正常收集运动的基准。依据这个尺度，它将检测而且记载异常收集运动。
与监视进修比拟，无监视的进修更接近于机械自我进修的进程。 但是，无监视进修的成绩是其成果常常是弗成猜测的。 这就是为何它平日须要联合人的直觉来引诱其坚持准确偏向，由于它一切都是自学的。 例如，上述收集平安的例子，收集运动中有很多缘由会使其偏离标准，但是这其实不是歹意制作的。 但机械进修的算法其实不晓得。在开端的时刻，人类剖析人员必需改正其决议，直到它学会断定异常并作出更好的决议计划。
另外一个不太著名的机械进修范畴是“强化进修”。在强化进修中，法式员界说了状况，希冀目的，许可的行为和束缚。 该算法经由过程测验考试将各类分歧的许可行为停止组合来懂得若何完成目的。 当你晓得目的是甚么，但没法界说到达目的的途径时，此办法特殊有用。
强化进修在很多设置中被应用。 在更有名的案例中，Google DeepMind的AlphaGo，控制了庞杂的棋般游戏Go的机械进修法式。 该公司正在采取异样的办法来进步英国电网的效力。 Uber也在应用雷同的技巧来教AI署理玩侠盗猎车手车（或更精确地说，让它们本身进修）。
甚么是深度进修？
固然机械进修是人工智能的一个分支，但深度进修是机械进修的专门分支。 深度进修应用神经收集，一个具有人类年夜脑构造和功效的复成品。
深刻进修处理了上一代进修算法中存在的一个重要成绩。先前， 跟着数据的增加，算法平台的效力和机能趋于停止。 如今，深度进修算法在取得更多半据的同时，其机能也在赓续改良。深度进修算法其实不是直接经由过程将输出映照到输入的方法，而是依附于几层处置单位。 每一个层将其输入传递到下一个层，停止处置，然后再传递到下一层。 在某些模子中，盘算能够会在处置层之间往返活动屡次。现已证实深度进修在各类义务中异常有用，包含图象字幕，语音辨认和说话翻译。
机械进修的挑衅是甚么？
固然机械进修对将来运用的成长相当主要，但其实不是没有本身的挑衅。
一方面，机械进修算法的开辟和安排在很年夜水平上依附于年夜量的盘算和存储资本来履行其义务。 这类依附关系使得它们在履行时受限于云办事和年夜数据。 是以，在履行边沿盘算机集成处理计划时（edge intelligence）它们更具挑衅性。
机械进修的另外一个成绩 - 特殊是深度进修 - 是它的不通明度性。 跟着算法变得愈来愈庞杂，人类愈来愈难以说明它们是基于甚么，做出决议的。 在很多情形下，这能够不是成绩。 然则，当你想要对算法做出症结决议时，使它们具有通明性而且让人了如指掌长短常主要的。
另外还存在一些成见成绩。 机械进修常常会接收嵌入到它们在接收培训时，数据中包括的一些的习气和偏向。 在某些情形下，寻觅和清除成见很轻易，而在其他情形下，它的嵌入度极深，人类常常难以发觉。
但是，这些挑衅都弗成能阻拦AI和机械进修成为我们这个时期的通用技巧（这个术语已经被用于蒸汽机和电力如许的创造）。 不论我们往哪一个偏向成长，机械进修都将会对我们发生深入影响。
