反裝逼指南：掀起機器學習的神秘面紗

乾明 編譯整理自 Hacker Noon

量子位 出品 | 公眾號 QbitAI

機器學習是什麼？給你十秒鐘，請給出答案。

……

不知道？就這你還想從事人工智慧行業？得了吧！

聽著：機器學習使用數據中的模式來標記事物。

聽起來是不是很神奇？

......

好了，就此打住。

機器學習的核心概念其實非常簡單，簡單到讓人「尷尬」。

這裡說的「尷尬」是指，如果有人在你面前「裝逼」，讓你覺得機器學習很神奇，他們應該感到尷尬。為什麼呢？且看這篇「反裝逼」指南。

這篇指南的作者是Cassie Kozyrkov，谷歌的首席決策科學家，不僅人美，心也善。經常在Hacker Noon上發表一些與人工智慧相關的乾貨文章。

在這篇指南中，她使用的例子是葡萄酒。她還很貼心地提到，如果你不喜歡喝葡萄酒，也可以把葡萄酒腦補成任何你喜歡喝的飲品，比如茶。

好了，廢話不多說，讓我們搬起小板凳，進入正題吧~

機器學習到底是如何工作的？

機器學習並不是魔法，沒有數據是不可能學習的，所以想要完成這個類比，必須要喝一些葡萄酒。

數據

為了學習，需要有獻身精神。大家可以體會下，一口氣喝了50種葡萄酒是種什麼感受。關鍵是喝完酒還不算完，我還要處理這些信息，並把它們可視化，以便在下面觀看。

每一種葡萄酒都有相應的年份，品嘗完了之後要打個分，然後給出一個判斷。這個判斷，也就是我們希望人工智慧之後能夠自己做出的判斷：Y代表好喝，N代表不好喝。

品嘗了這些葡萄酒之後，我把相關的數據都記錄在了電子表格中（左），但是為了讓大家看得舒服，我把所有的數據都可視化了（右）。

演算法

接下來，就要進行下一件事情了。把紅色區域和藍色區域分開，你能做到嗎？機器學習就是要選擇一種演算法來完成這個過程，選了哪個演算法，就決定了最後會得到哪種模型。

如果你想著劃一條線來完成這項工作的話，那恭喜你！你剛剛發明了一種機器學習演算法，它的名字叫……感知器（perceptron）。是的，就是這麼高大上，它的名字就是這麼酷炫。請不要被機器學習中的「行話」嚇倒，通常情況下都是大忽悠。

但是，你劃的線應該指向哪裡呢？我們的目標是把Y和N分開，劃一條直線並不是一個非常聰明的解決方案。

我們選擇一種機器學習演算法的目的，是為了找到最合理的地方划出分界線。這需要通過優化目標函數來完成。

優化

你可以這樣想：目標函數就像是棋盤遊戲的規則一樣，優化就是找到一個能夠獲得高分的玩法。

從傳統上來說，在機器學習中，我們更喜歡「棍棒」而不是「胡蘿蔔」。也就是對錯誤進行計分。這就是為什麼機器學習中的目標函數被稱為「損失函數」，目的就是要盡量減少損失。

想親自玩一把嗎？回到上面的那張圖，用你的手指在屏幕上劃線把Y和N分開，直到零失誤。感知器同志，感覺到未來觸手可及了嗎？

也許，你得到的解決方案是這樣的：

最左邊的這種結果，我沒有嘗試過。中間的那個也不太合適。我最喜歡的是最右邊那個。

演算法是具有多樣性的，它們之間最不同的一個方面，就是它們怎麼去確定分界線。

痴迷於優化的那群人會告訴你，以微小的增量調整分界線是不明智的，還有更好、更快的方法來找到最佳位置。一些研究人員致力於花一輩子的時間找出一種方法，不管數據多複雜，都能最簡單地找到最好的分界線位置。

演算法的另一個不同的方面是邊線的形狀。邊界線不一定是直的。不同的演算法，使用的邊界線形狀也不同。如下圖：

為追趕潮流的人設計的演算法

如今，沒有一個追趕數據科學浪潮的人會選擇用直線來區分。那些看上去很靈活、很彎曲的線在他們之中非常流行。他們會使用其實並沒有多少神經的神經網路演算法。我更傾向於稱它們為「瑜伽網路」或者是「多層數學運算」，但好像沒有人喜歡我的這種叫法。

不同的演算法會告訴你，它們會在數據中放置什麼形狀的邊界線。但如果你是一個應用型的機器學習愛好者，記不住它們那種天書般的名字也沒關係——在實踐中，你只需要儘可能多地將數據輸入到演算法中，然後重複執行那些看起來很有希望的事情就行了。

模型

一旦邊界線劃好了，演算法也就完成了，你就能從中得到你想要的東西了：一個模型。在下一次我給它「看」一瓶新的葡萄酒的時候，它就能將數據轉換成決定。

標籤

一旦你把新鮮出爐的模型投入使用，在計算機中輸入葡萄酒的年份和評價分數後，你的模型會給它找出對應的區域並輸出標籤。

當我再拿到四瓶新葡萄酒時，我只需將它們數據輸入進去，就能夠與模型的紅色和藍色區域進行匹配，並相應地給它們貼上標籤。看到了嗎？這很容易。

那問題來了，我們如何知道它是否有效呢？誰知道這是不是瞎搞？最直接的辦法就是對輸出進行檢查。

通過運行一堆新數據來測試你的模型，並確保它能夠一直能夠良好的運行。事實上，無論模型是演算法想出來的還是程序員想出來，都要這樣做。

結語

在我此前的另一篇文章中，我對整個過程進行了一個類比：

詩人與機器學習

如果你看不懂這個類比，也許你會喜歡這個：詩人會選擇一種方法(演算法)，將文字寫在紙上。這種方法決定了詩歌的形式(邊界線形狀)是俳句還是十四行詩？一旦他們以最佳的方式完成了十四行詩，它現在就是一首詩(模型)。

機器學習模型與傳統的編程

以這種方式得到的模型，與程序員通過觀察問題，並手動制定一些規則來編寫的代碼沒有太大的不同。二者在概念上是相同的。

不要到處說機器學習的「再訓練」（retraining）有多厲害了。程序員也可以坐在那裡調整代碼以響應新的信息。

這就是全部了嗎？

是的，差不多了。機器學習工程中最困難的部分就是安裝軟體包，接著就是處理數據集，然後在上面運行一個有限的演算法。

接下來就是「超參數調優」，別被忽悠住了，不過是在生成一個模型之前，沒完沒了地擺弄代碼設置而已。

當你使用新的數據評估這個模型的時候，如果結果不太理想，你還得一遍又一遍地重複，直到能夠拿出手。 這就是為什麼僱傭一些對失敗有耐心的人來做這件事非常重要。如果是個玻璃心，估計撐不了幾回合就吐血了。

如果你期待有什麼奇蹟，我勸你越早失望越好。機器學習是非常枯燥的過程。但是，如果你能夠耐得住性子，你能做的事情將會是非常不可思議的。它可以幫你寫下你自己都想不到的代碼，還讓你能夠把那些不可言說的代碼自動化。

最後，提個醒。不要因為簡單而討厭它。要知道，槓桿也很簡單，但它可以撬動整個地球。

—完—

加入社群

量子位AI社群28群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！