終極演算法:機器學習與人工智慧如何重塑世界
所有科學最重大的目標就是:從最少數量的假設和公理出發,用邏輯演繹推理的方法解釋最大量的經驗事實。 -愛因斯坦
要探討終極演算法,先得明確傳統演算法的定義。演算法是一系列計算機指令的集合,讓計算機完成某項特定的任務。
機器學習則不然,計算機從數據中推斷,自己弄明白做事方法。相當於我們不給計算機編程,計算機通過數據給自己編程。
人類文明從設計工具開始,演算法本身也是工具,可以用來設計其它工具。但它沒有任何創造性。機器學習不一樣,它有創造性,讓世界來適應我們,
機器學習的核心是預測。預測我們要什麼,預測一種行為的結果,預測如何實現我們的目標。
我們需要了解基本的原理。我們無法控制自己理解不了的東西。但只需要了解機器學習的「概念模型」。即有效利用某項技術而需粗略掌握的知識。
五大學派:
符號學派:逆向演繹,從哲學,心理,邏輯出發尋求洞見(逆向演繹)。
聯結學派:大腦的逆向分析,靈感來自神經科學和物理學(反向傳播)。
進化學派:遺傳學和進化生物學(遺傳編程)。
貝葉斯學派:概率推理,基礎是統計學(貝葉斯推理)。
類推學派:相似性的外推。心理學和數學最優化(支持向量機)。
五大學派都有自己的主演算法,但能不能推出通用的萬能演算法,這個命題光想一想都很有意思。如果真有終極演算法,則計算要能理解人類當前知道的一切,為很多突破很多人類世界當前最臨的難題。
(這裡沒有提到強化學習,強化學習不算一種演算法,而是一種進化方式,通過博弈的方式進化)
傳統演算法:輸入=數據,演算法自動運行,輸出=結果;需要精確思維。
機器學習:輸入=數據和想要的結果,輸出=演算法; 需要統計思維。
工業革命讓手工業自動化, 信息革命解放大腦,而機器學習讓自動化本身自動化。
終極演算法存不存在,作者的一些證據:
1,人類的大腦使用的就是統一演算法。我們可以走路,下棋,設計程序,彈琴都是一樣的演算法。但我們對於自己的大腦知之甚少。
2,生物進化也是統一演算法:自然選擇。(如果達爾文是對的話),上帝不創造物種,他創造了創造物種的演算法。
3,物理學和數學的簡潔,比中e=mc的平方,比如F=ma,比如萬有引力字律等。
4,圖靈機本身就是一個通用的計算平台。我們手裡的智能手機,幾乎可以做大量的事情。
洞察力和堅持才是最重要的東西。
※上手機器學習,從搞懂這十大經典演算法開始
※AMD第二代Ryzen四月見 Vega轉攻機器學習和集顯
TAG:機器學習 |