人工智慧的終極演算法即將重塑世界？《終極演算法》讀書分享

隨著谷歌AlphaGo相繼戰勝李世石和柯潔，人類在圍棋領域完敗，人工智慧和機器學習就成了社會關注的焦點，各種超級智能將統治地球的言論此起彼伏，激發了近年來科技高速發展所帶來的焦慮。

↓↓↓

· 人工智慧技術目前到底發展到了什麼程度？

· 機器智能真的能夠超越人類智能嗎？

我帶著這些問題，在過去的2年里，自學了機器學習人工神經網路的基本知識，也曾嘗試採用谷歌的TensorFlow的機器學習框架在某互聯網項目中做了初步的實踐。

當我讀了《終極演算法》這本書的時候，突然發現獲得了人工智慧和機器學習領域的上帝視角，視野豁然開朗了。

作者從目前機器學習最前沿的五大學派和他們的主演算法切入，探討如果能整合所有這些演算法的優點，來找到一種「終極演算法」的可能性，預言終極演算法將會獲得過去、現在和未來的所有知識，必將創造新的人類文明。

《終極演算法》一書給我帶來了諸多啟發和思考，以下3點印象最為深刻：

↓↓↓

① 知識往往以模型的形式出現，技能往往以程序的形式出現

例如我們上學期間學過的數學公式、物理公式、化學方程式等等，都是經過對大量事實的歸納總結出來的模型，我們把相應的數據和事實代入這些模型，即可得到相應的解答；而技能則不同，掌握高超技能的工匠，往往總結出來的是工序和配方，流程的程序化、精細化和標準化使得技能得以傳承。

② 演算法是歸納的過程，而學習是演繹的過程

歸納法和演繹法是邏輯學上的兩種思維方法。演算法是經過對大量的事實和數據抽象總結出來的統計模型，得出演算法的過程採用的是歸納法的思維方式；而學習的對象是知識，知識往往以模型的形式呈現，那麼學習的過程就可以用演繹推理的思維方式來推導出更多的認知和判斷。

③ 終極演算法可以拆解為兩個組成部分：結構學習和權值學習

假設終極演算法真的存在，那麼它的產生過程依然符合機器學習演算法的一般規律：通過對大量的數據和事實的歸納抽象，形成模型框架，這個過程就是結構學習的過程；再導入大量的數據和事實反饋進行訓練，收斂出最高效的權值，是一個權值學習的過程。

就像書中提到的進化學派的觀點一樣，兩性繁殖和基因突變都是基因結構模型重組的過程，是生物演化的第一步，然後再經過後天在自然界中的適應性訓練，不適應環境的基因結構被淘汰，適應環境和生存能力強的基因在自然界的訓練下不斷修正權值，具有最高效權值的個體獲得了更多交配繁衍的機會，這樣的自然規律，讓生物種族得以演化。

文 | 李學斌

2017.5.7

GIF

想給學斌哥留言請點擊文章末尾的留言哦 ?

我今天才知道，我之所以漂泊就是在向你靠近。

--《廊橋遺夢》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！