人工智能(Artificial Intelligence)已經(jīng)被視為繼農(nóng)業(yè)革命,工業(yè)革命,信息革命之后又一次滾滾碾來，勢不可擋的世界性的大革命。
縱觀整個人類歷史，農(nóng)業(yè)革命讓我們擺脫了亡命天涯,隨遇而安的遷徙文明，種上了小麥玉米； 工業(yè)革命時期人類開始被機器解放,有了閑余的時間去沉迷農(nóng)藥和吃雞； 信息革命讓地球變成一個雞犬相聞的村子，社交媒體已經(jīng)完全打破了所謂的六度隔離，世界上任何一個人和另外一個人之間只剩下一個facabook的距離。人工智能將把我們帶向何處，我太敢去想象。當面對一個無法阻擋的新事物時，唯一能做的就是去認清它。
佛光初現(xiàn)
從本質(zhì)上來看機器學習依然由數(shù)據(jù)和算法組成，說白了其實就是一個程序。人工智能在上古時期其實也沒有什么自我意識，可以比喻成一個提線木偶，任人擺布。從上面的漫畫中可以看到，機器的肚子里裝的是成千上萬個條件判斷程序，這也意味著機器心里所有的秘密，接下來的每一個動向，人類都了如指掌。也是很憋屈，機器難道就不能有點隱私。但隨著數(shù)據(jù)量的增加和智能算法的出現(xiàn)，機器開始變得悶騷起來，表面看起來還是面無表情，老實巴交的樣子，可是內(nèi)心深處已經(jīng)開始了龐大而復雜的算計，它開始了掌握了自主“學習”的能力。
意識覺醒
深度學習的誕生以及一些智能算法的出現(xiàn)徹底破除了機器人唯命是從的習性,他們開始變得智慧起來,比如以前你對機器人說"我喜歡你",它只會回復"我也喜歡你",而現(xiàn)在它們很有可能會回答出"你是個好人"。研究機器學習這門學科的人，對下面幾個人應該不會陌生，AI四巨頭:Geoff Hinton(深度學習之父)和他的徒子徒孫。這幫人把機器的智商提高了無數(shù)個數(shù)量級，沒有他們這幫人，圖像識別，語言識別，自動駕駛汽車,iphoneX的FaceID等眾多狂拽炫酷的黑科技都不可能誕生。深度學習讓機器有了視覺，聽覺,甚至有了高于人類的判斷力，它的快速發(fā)展測底引爆了工智能革命。機器開始慢慢地擁有了某些人類的能力，那機器到底是如何學習的呢？
機器學習
上圖是一個經(jīng)典機器學習流程，任何一個機器學習模型的建立都經(jīng)過了數(shù)據(jù)或者資料的預處理(Data?Preprocessing)，模型訓練(Learning)，模型評估(Evaluation)，預測(Prediction)這四個步驟：
多讀書，讀好書:拿到任何一堆數(shù)據(jù)之后,首先要做的就是數(shù)據(jù)或者資料的預處理(Data?Preprocessing),很久很久以前，當我們還處于經(jīng)常尿床的孩童時期，父母就告誡我們以后要多讀書，讀好書。所謂的多讀書指的就是大數(shù)據(jù)。智能算法很擅長在海量的數(shù)據(jù)中找出在隱秘在燈火闌珊處的規(guī)律, 看到?jīng)]即便是算法也得多讀書 。至于特征的提取和選擇,數(shù)據(jù)降維等數(shù)據(jù)預處理操作，其主要目的就是讓紛繁雜亂數(shù)據(jù)變得有條理從而易于訓練。好比讓機器讀一本結(jié)構(gòu)清晰，邏輯明辨的書，這樣它學得更快,也學得更明白。
思考學習:思考學習指的是模型訓練(Learning),機器學習是一個結(jié)果導向的過程。將數(shù)據(jù)喂給智能算法，算法就興致勃勃地運行起來去努力達成預期目標。但是對于不同的目標，我們得選擇不同的算法，然后對調(diào)整算的一些參數(shù)，旨在改變它的思考模式，提高它的智商。如果選用不恰當?shù)乃惴?，最終訓練的模型很難達到預期目的，就好比你選擇用直男癌的思維去處理女生感冒的問題,那答案肯定是:多喝水啰。
考試測評:這個環(huán)節(jié)是模型評估(Evaluation)環(huán)節(jié)和上一個環(huán)節(jié)是有緊密互動的，模型評估和我們在學校里的考試測評差不多。將測試數(shù)據(jù)輸入到模型,輸出的結(jié)果正確率高的表示學到知識多，稱為學霸， 正確率和中彩票概率相當?shù)?，稱為學渣。當然學渣也有回爐再造的機會，評估出來比較壞的模型，可以通過算法參數(shù)的微調(diào)的策略，從新訓練模型也可以讓一個失敗的訓練模型起死回生.想想這和我們考試面對不理想的考試成績,暗暗決定要發(fā)奮圖強,爭取下次考高分的心理真是一樣樣的。
學有所用:接下來見證奇跡的時刻就要來了，書也看了，考試也過了,可以擼起袖子,甩開膀子做預測(Prediction)，去做正確的決定，去創(chuàng)造價值，此時的它真正地做到了學習的最高境界--學以致用。
機器學習的過程其實和人類學習的過程有太多的相似之處，都經(jīng)過了一個閱讀資料，學習消化，反饋修正過程，最后達到學以致用的目的?？膳碌氖撬莻€不會忘記的家伙，模型學習訓練好之后，存在硬盤里，需要用的時候就調(diào)出來；世界變化太快產(chǎn)生新的數(shù)據(jù)之后，它也沒有保守懷舊的情緒，一股腦的吃掉這些新數(shù)據(jù)，學習到新的知識，最后看起來它好像會成為一個比人類更懂新時代的機器人。
