文章目录


1. 人工智能

李宏毅机器学习 Introduction_数据

人工智能是我们想要达到的目标,即让机器和人一样智能。

而机器学习是方法,让机器从数据中学习,从而得到智能的方法。

智能是什么呢?对于人类智能而言,根据霍华德·加德纳的多元智能理论,人类的智能分为以下七种智能:

  • 语言智能:能说会写。
  • 逻辑智能:数学和逻辑能力强。
  • 空间智能: 能够对空间进行建模,并且利用该模型进行控制。
  • 音乐智能:音感好,音调佳。
  • 身体运动智能: 使用身体来解决问题或者制造产品的能力。具有这种能力的人,可能会成为舞蹈演员、外科医生、手工艺者、运动员等。
  • 人际关系智能:具有同理心,能够理解别人。
  • 内省智能:形成一个准确、真实的自我模型,并且能够适应社会,创造美好的生活。

这不仅涵盖了现在人工智能的研究领域,计算机视觉、语音识别、自然语言处理等。而且也指明了未来AI的发展方向,即艺术、思考等。

人们模仿生物的本能(人类智能)去设计一些机器,如聊天机器人。但是已有的很多产品是基于规则的实现方式。如只要出现了"turn off"就会关闭机器(如智能音箱),但如果你说的是don’t turn off,依然会关闭。​基于手工规则​的构建方式,无法穷举所有的可能,而且无法超越创造者。因为规则本身只是一种简单的运算(本质上还是做匹配),是无法去学习规则的。

2. 机器学习

2.1 什么是机器学习?

李宏毅机器学习 Introduction_李宏毅_02

在我们现如今的技术能力下,研究的AI本质上是Narrow AI,即针对某一类任务的AI,而不是全能性AI。

因此,现如今,机器学习的本质是针对某一特定的任务寻找正确的函数(在函数空间中寻找正确(相对)的函数,见下图所示)。​问题:此处的机器学习是属于哪个学派呢?

李宏毅机器学习 Introduction_数据_03

那我们机器学习的框架是什么呢?

1.定义函数空间(函数集合)。

2.选择评估函数(损失函数)。

3.在函数空间中,根据评估函数(损失函数)选出最优函数,此时会把训练数据和损失函数同时作为输入求出最优模型。

李宏毅机器学习 Introduction_Introduction_04

2.2 机器学习的细分

李宏毅机器学习 Introduction_Introduction_05

首先,根据数据维度进行划分,可以分为以下四类大任务:

  • 监督学习(大量有标签数据)
  • 半监督学习(少量有标签数据+大量无标签数据)
  • 无监督学习(大量无标签数据)
  • 强化学习(根据反馈结果(critics)不断进行学习)

在监督学习这个任务下,有比较常见的子任务:

  • 回归
  • 分类(线性模型和非线性模型:深度学习、SVM、DT、KNN)
  • 结构化(输出是结构化数据,如文字、语音、图像等)
    李宏毅机器学习 Introduction_李宏毅_06