几分钟带你了解人工智能和机器学习0001

1、几分钟带你了解人工智能和机器学习 大数据和人工智能正席卷全球，众多热门词汇蜂拥而至：人工智能(Artificial Intelligenee 、数 大数据(Big Data )、云计算(Cloud Computing )、机器学习(MachineLearning ) 据挖掘(Data Mining )、深度学习(Deep Learning八 强化学习(Reinforcement Learning 和数据库(Databases )。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半 解。 很多事情不是照照镜子 就可以明I白的 理清它们之间的关 为了帮助大家更好地理解，我们用最简单的语言

2、来解释这些词汇的含义, 系，希望对刚入门的同学们有所帮助。 人工智能、机器学习、深度学习和强化学习 首先来看一下人工智能、机器学习和深度学习之间的关系。如图所示，我们可以大致认为深 度学习是机器学习中的一种学习方法，而机器学习则可以被认为是人工智能的一个分支。 Ptannhig and Scheduling Expert Systems fi-Agent Systems Evohitkmajy Bmputaliofi AI Fussy Logic and Rotigji Sei Majchinc Learning KiKwtedgc Rq)rcsciitali(ni - r * - Rocom

3、meiKli Syslems Robotics and Percepbon Supervised Lcaraing tAisxsvised leanitiig Ensienible gaming Deep lcamin呂 Rciitfbicctncfll Learning Rfgressioa Outlier (Anotual Detection Metric Learning OusaJity Analysis 人工智能：人工智能涵盖的领域很广，除了机器学习外，还包括专家系统、进化计算、模糊 逻辑、粗糙集、多代理、规划问题等。最近几年，人工智能的发展主要得益于机器学习领域的推 动，尤其是深度

4、学习取得的突破，其他领域的进展相对较小。人工智能分为弱人工智能和强人工 智能，前者让机器具备观察和感知的能力，可以做到一定程度的理解和推理。目前的科研都集中 在弱人工智能这部分， 并很有希望在近期取得重大突破。而强人工智能期待让机器获得自适应能 力，解决一些之前没有遇到过的问题。电影里的人工智能多半都是在描绘强人工智能, 而这部分 在目前的现实世界里难以真正实现。 机器学习：从学习方法上来分，机器可以分为监督学习（如分类问题）、无监督学习（如聚 类问题）、半监督学习、集成学习、深度学习和强化学习。深度学习本来并不是一种独立的学习 方法，其本身也会用到有监督和无监督的学习方法来训练深度神经网络。

5、 但由于近几年该领域发 展迅猛，一些特有的学习手段相继被提岀（如残差网络） ，因此越来越多的人将其单独看作一种 学习的方法。按照学习目的来分，机器学习涵盖了回归、分类、聚类、异常监测、量纲学习和因 果分析等。 深度学习：最初的深度学习是利用深度神经网络来解决特征表达的一种学习过程。 深度神经 网络本身并不是一个全新的概念，可大致理解为隐含层很多的一个神经网络结构。为了提高深层 其实有不少 神经网络的训练效果，人们对神经元的连接方法和激活函数等方面做岀相应的调整。 想法早年间也曾有过，但由于当时训练数据量不足、计算单元落后，因此最终的效果不尽如人意。 强化学习：强化学习为一个代理（ Age nt

6、 ）在一个环境里设计一系列动作（Actio ns ）以获 得最优的未来长期回报（Reward ）。走迷宫常被用来作为解释强化学习的例子。因为学习方法 复杂，早年间强化学习只能解决一些非常简单（状态空间小、动作选择少）的问题。直到深度学 强化学习才取得很 习的岀现，使得我们可以用深度神经网络去逼近一个近似的价值和策略函数, 大的进展（如在AlphaGo 里的价值判断网络），人们称其为深度强化学习（Deep Reinforcement Learning ）。与其说是强化学习的进展，不如说是在强化学习的框架里，深度学习贡献了巨大 的力量。 数据挖掘、人工智能、大数据和云计算 数据挖掘是从数据中发掘知

7、识的过程，在这个过程中人工智能和数据库技术可以作为挖掘工 具，数据可以被看作是土壤，云平台可以看作是承载数据和挖掘算法的基础设施。 Knowledge Pl eseutatioii Mining Techniques _ = ” AI Databases Machine Learning Othei Als 花 Data 大河 山舞银蛇，原驰蜡象, 比高。 欲与天公试 须晴日，看红装素裹, 分外妖娆。 江山如此多娇，引无数英雄竞折腰 惜秦皇汉武，略输文采；唐宗宋 祖，稍逊风骚。 代天骄，成吉思汗，只识弯弓射 大雕。 俱往矣，数风流人物， 还看今朝。 V克 出师表 两汉：诸葛亮 先帝创业未半而中

8、道崩殂，今天下三分，益州疲弊，此诚危急存亡之秋也。然侍卫之臣 不懈于内，忠志之士忘身于外者，盖追先帝之殊遇，欲报之于陛下也。诚宜开张圣听，以光 先帝遗德，恢弘志士之气，不宜妄自菲薄，引喻失义，以塞忠谏之路也。 宫中府中，俱为一体；陟罚臧否，不宜异同。若有作奸犯科及为忠善者，宜付有司论其 刑赏，以昭陛下平明之理；不宜偏私，使内外异法也。 侍中、侍郎郭攸之、费祎、董允等，此皆良实，志虑忠纯，是以先帝简拔以遗陛下：愚 以为宫中之事，事无大小，悉以咨之，然后施行，必能裨补阙漏，有所广益。 能”，是以众议举宠为督: 将军向宠，性行淑均，晓畅军事，试用于昔日，先帝称之曰 愚以为营中之事，悉以咨之，必能使行

9、阵和睦，优劣得所。 亲贤臣，远小人，此先汉所以兴隆也； 亲小人，远贤臣，此后汉所以倾颓也。 先帝在时, 每与臣论此事，未尝不叹息痛恨于桓、 灵也。侍中、尚书、长史、参军，此悉贞良死节之臣, 愿陛下亲之、信之，则汉室之隆，可计日而待也U。 臣本布衣，躬耕于南阳，苟全性命于乱世，不求闻达于诸侯。先帝不以臣卑鄙，猥自枉 屈，三顾臣于草庐之中，咨臣以当世之事，由是感激，遂许先帝以驱驰。后值倾覆，受任于 败军之际，奉命于危难之间，尔来二十有一年矣。 先帝知臣谨慎，故临崩寄臣以大事也。受命以来，夙夜忧叹，恐托付不效，以伤先帝之 明；故五月渡泸，深入不毛。今南方已定，兵甲已足，当奖率三军，北定中原，庶竭驽钝, 攘除奸凶，兴复汉室，还于旧都。此臣