【笔记】终极算法:机器学习和人工智能如何重塑世界

本文由清尘发表于2018-05-07 16:10属于LIFE分类

终极算法:机器学习和人工智能如何重塑世界
佩德罗·多明戈斯

◆ 序

>> 传统上认为,让计算机完成某件事情的唯一方法(从把两个数相加到驾驶飞机),就是非常详细地记录某个算法并解释其如何运行。但机器学习算法就不一样: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。现在我们不用给计算机编程,它们自己给自己编程。

>> 机器学习是“太阳底下的新鲜事”:一种能够构建自我的技术。

>> 学习算法是把数据变成算法。它们掌握的数据越多,算法也就越精准。

>> 现代人希望让世界来适应自己,而不是改变自己来适应世界。机器学习是100万年传奇中最新的篇章:有了它,不费吹灰之力,世界就能感知你想要的东西,并依此做出改变

>> 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

>> 机器学习主要有5个学派,我们会对每个学派分别介绍: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;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;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;贝叶斯学派认为学习是一种概率推理形式,理论根基在于统计学;类推学派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。在构建机器学习的目标推动下,我们将回顾过去100年的思想史,并以新的观点来看待这段历史。

>> 机器学习的5个学派都有自己的主算法,利用这种万能学习算法,原则上,你可以通过任何领域的数据来挖掘知识:符号学派的主算法是逆向演绎,联结学派的主算法是反向传播,进化学派的主算法是遗传编程,贝叶斯学派的主算法是贝叶斯推理,类推学派的主算法是支持向量机。

◆ 学习算法入门

>> 一种算法不仅是简单的一套指令,这些指令必须精确且不能模糊,这样计算机才能够执行

>> 每个算法都会有输入和输出:数据输入计算机,算法会利用数据完成接下来的事,然后结果就出来了。机器学习则颠倒了这个顺序:输入数据和想要的结果,输出的则是算法,即把数据转换成结果的算法。学习算法能够制作其他算法。通过机器学习,计算机就会自己编写程序,就用不到我们了。

>> 机器学习有许多不同的形式,也会涉及许多不同的名字:模式识别、统计建模、数据挖掘、知识发现、预测分析、数据科学、适应系统、自组织系统等。这些概念供不同群体使用,拥有不同的联系

>> 严格来讲,机器学习是人工智能的子域,但机器学习发展得如此壮大且成功,现已超越以前它引以为傲的母领域。

>> 机器学习所有的重要观点可以不用通过数学表示出来。当你读这本书时,甚至可能会发现,你发明了自己的学习算法,而且看不到一个方程式的影子。

>> 工业革命使手工业自动化,信息革命解放了脑力劳动,而机器学习则使自动化本身自动化

>> 当下,一家公司的成败取决于学习算法对其产品的喜爱程度,而整个经济体的成功——是否每个人都能得到自己需要的物美价廉的产品,则取决于学习算法的好用程度。

>> 新型网络效应占据上风:谁有最多的用户,谁就能积累最多的数据,谁有最多的数据,谁就能学到最好的模型,谁学到最好的模型,谁就能吸引最多的用户,这是一种良性循环(如果你在竞争,就会变成恶性循环)。

>> 数据是新型石油

>> 机器学习是“打了类固醇”的科学方法,也遵循同样的过程:产生假设、验证、放弃或完善。

>> 机器学习使科学的发现过程自动化。

>> 如果你不将大数据变成知识,它将毫无用处,可是世界上没有那么多科学家来完成这件事

>> 有了大数据和机器学习,你就能弄明白比之前复杂很多的现象

>> 机器学习打开了广阔、全新的非线性模型世界

>> 学习算法是最强大的政治家推销商。