有關(guān)機器學(xué)習每個(gè)人都應該了解的東西

　　在過(guò)去的幾個(gè)月中，我與很多的決策者交流了有關(guān)人工智能特別是機器學(xué)習方面的問(wèn)題。其中有幾名高管已經(jīng)被投資者詢(xún)問(wèn)了有關(guān)他們在機器學(xué)習(Machine Learning)方面的戰略，以及在哪些方面運用了機器學(xué)習。那么這個(gè)技術(shù)課題為什么突然會(huì )成為公司董事會(huì )討論的話(huà)題呢?

　　計算機應該為人類(lèi)解決問(wèn)題。傳統的方法是“編寫(xiě)”所需的程序，換句話(huà)說(shuō)，就是我們教電腦問(wèn)題解決的算法。該算法詳細描述了解決問(wèn)題的過(guò)程，就像食譜一樣。很多任務(wù)都可以用算法來(lái)描述。例如，在小學(xué)里，我們學(xué)習了數字加法算法。當涉及到要快速、完美地運行這種算法時(shí)，計算機比人類(lèi)更勝任這個(gè)工作。

　　然而，這個(gè)問(wèn)題解決的過(guò)程是有局限性的。我們如何識別一張貓的照片呢?這個(gè)看起來(lái)很簡(jiǎn)單的任務(wù)卻難以用一種算法來(lái)描述。讓我們稍等片刻，仔細想想。即使是簡(jiǎn)單的說(shuō)明(如“有四條腿”或“有兩只眼睛”)也有其缺點(diǎn)，因為這些特點(diǎn)可能會(huì )被隱藏，或照片可能只顯示了貓的一部分。如果我們遇到識別腿或眼睛的任務(wù)時(shí)，那與識別貓一樣的困難。

　　這正是機器學(xué)習展現其實(shí)力的地方。計算機不需要開(kāi)發(fā)算法來(lái)解決問(wèn)題，而是使用示例來(lái)學(xué)習算法本身。我們用樣本來(lái)訓練計算機。對于識別貓這個(gè)例子，我們需要使用大量的標注了貓的照片來(lái)訓練系統(監督學(xué)習)。通過(guò)這種方式，算法會(huì )發(fā)生進(jìn)化，繼而成熟，并最終能夠識別出陌生圖片上的貓。

　　事實(shí)上，在這種情況下，計算機通常不會(huì )學(xué)習經(jīng)典程序，甚至都不會(huì )學(xué)習模型中的參數，例如網(wǎng)絡(luò )中的邊緣權重。這個(gè)原理可以與我們大腦(包含了神經(jīng)元)的學(xué)習過(guò)程相比較。像大腦一樣，與傳統程序不同，這種具有邊緣權重的網(wǎng)絡(luò )幾乎不可能被人類(lèi)所理解。

　　在這種情況下，被稱(chēng)為深度學(xué)習的人工神經(jīng)網(wǎng)絡(luò )學(xué)習方法得到了巨大的成功。深度學(xué)習是一種特殊的機器學(xué)習，反過(guò)來(lái)又是人工智能的一門(mén)學(xué)科，是計算機科學(xué)研究的主要分支。早在2012年，谷歌研究小組成功地訓練了一個(gè)擁有16000臺計算機，并從1000萬(wàn)段YouTube視頻中識別貓(和其他對象類(lèi)別)的網(wǎng)絡(luò )。他們采用的就是深度學(xué)習技術(shù)。

　　許多與練習有關(guān)的問(wèn)題更傾向于屬于“識別貓”這個(gè)類(lèi)別，而不是“數字加法”，因此，很難用人類(lèi)編寫(xiě)的算法來(lái)解決這些問(wèn)題。這些問(wèn)題通常是在某些數據中識別模式，例如識別圖像中的對象、語(yǔ)言中的文本或交易數據中的欺詐行為。

　　這里有一個(gè)簡(jiǎn)單的例子，我們來(lái)看一下預測性維護。想象一下許多傳感器正在發(fā)送數據流，有時(shí)，某些機器會(huì )發(fā)生故障?，F在的難題就是學(xué)習導致故障的數據流的模式。一旦學(xué)會(huì )了這種模式，就可以在正常操作期間識別出這種模式，從而預防潛在的故障。

　　雖然機器學(xué)習的原理并不新鮮，但目前深受大眾的追捧。這主要有三個(gè)原因：首先，用于應用和訓練的大量數據的可用性(“大數據”);其次，我們現在擁有巨大的計算能力，特別是在云端;第三，一系列的開(kāi)源項目使得每個(gè)人或多或少會(huì )使用一些算法。

　　機器學(xué)習不能代替傳統編程，而是對傳統編程的補充。它提供了一些工具，使得我們能夠解決迄今為止難以甚至不可能解決的很多類(lèi)問(wèn)題?？偠灾?，這些給我們帶來(lái)了新的機會(huì )，而現有的系統也越來(lái)越多地被改造并加入了機器學(xué)習功能。

　　遵循某種模式的重復操作就是一個(gè)典型的例子。假設有一個(gè)計算機程序，你可以通過(guò)點(diǎn)擊一系列復雜的菜單來(lái)使用它的一百個(gè)功能，但你每天只主動(dòng)地使用其中的某些功能。通過(guò)觀(guān)察你平時(shí)點(diǎn)擊的步驟，計算機可以學(xué)習預測你的下一步動(dòng)作，從而提高你操作的效率。計算機通過(guò)“學(xué)習”這些重復的數據和對象，可以使得許多步驟自動(dòng)化執行，從而加快了速度。

　　在每個(gè)領(lǐng)域都可以找到更多的例子：針對個(gè)別學(xué)生(特別是“大型開(kāi)放式在線(xiàn)課程”，即MOOC)定制學(xué)習教材、疾病的早期診斷、在線(xiàn)營(yíng)銷(xiāo)目標群體、客戶(hù)流失、自動(dòng)識別數據質(zhì)量問(wèn)題，或通過(guò)約會(huì )服務(wù)匹配用戶(hù)個(gè)人信息。

　　由于Spark擁有很多先進(jìn)的工具，它(集成在Hadoop中)已經(jīng)在機器學(xué)習領(lǐng)域成為領(lǐng)先的大數據框架。 Talend也正向著(zhù)這個(gè)目標發(fā)展，并且通過(guò)建模能夠抽象出一個(gè)更高的層次。建?？梢越档蛷碗s度，同時(shí)還會(huì )弱化與發(fā)展迅速并且門(mén)檻較高的基礎技術(shù)之間的依賴(lài)關(guān)系。

　　只有少數專(zhuān)家需要真正了解機器學(xué)習方面的算法細節。但是，如果每個(gè)人都能理解機器學(xué)習相關(guān)概念的話(huà)也是有好處的，比如知道機器學(xué)習是從示例中學(xué)習模式，并且能夠應用到新的數據集上。最終，機器學(xué)習擴大了機器可以解決問(wèn)題的類(lèi)別，從而實(shí)現自動(dòng)化：具體來(lái)說(shuō)就是通過(guò)決策來(lái)實(shí)現。這正是計算機學(xué)到的東西;它根據從訓練數據積累到的知識，對新的數據做出決策。一方面，我們可以通過(guò)自動(dòng)化的決策，將機器學(xué)習應用在我們的業(yè)務(wù)或圈子中。另一方面，我們自己本身就是一個(gè)數據源，其他的機器可以對我們進(jìn)行分析并優(yōu)化他們自己的業(yè)務(wù)。

　　總而言之，我想給大家留下這樣一幅畫(huà)面：計算機現在不僅能夠遵循明確的指令(例如數字相加)，還可以通過(guò)例子進(jìn)行學(xué)習(例如通過(guò)訓練樣例來(lái)識別貓的圖片)。根據要解決的問(wèn)題的不同，某個(gè)方法可能比另外一個(gè)更合適。然而，當這兩個(gè)方法以某種方式結合起來(lái)使用的話(huà)，最終能為自動(dòng)化帶來(lái)更多的機會(huì )。