2.人工智能的实现与机器学习在线视频

大家好

这节我们给大家介绍一下

人工智能的实现与机器学习

人工智能的研究领域可以分为符号智能

计算智能

机器学习和机器感知

机器学习是人工智能的实现方式

是人工智能的一个子集

是实现人工智能这个宏大目标的技术之一

那么人工智能呢

下面的符号智能又包括

图搜索

自动推理

不确定性推理

符号学习

知识工程

计算智能呢又包括神经计算

进化计算

免疫计算以及蚁群计算

机器学习包括

归纳学习模式识别

统计学习和深度学习

机器感知包括

计算机视觉

语言的识别

以及自然语言的处理和图像识别等等

机器学习最基本的做法

是使用算法来解析数据从中学习

然后对现实世界中事件作出决策和预测

如右图通过大量的历史数据和经验的获得模型

那么遇到了新问题和来了新数据呢

我们通过这个模型来进行预测得到预测结果

如果根据数据对未知做出决定呢

这就是机器学习的本质

机器学习最基本的做法

是使用算法来解析数据

从中学习

然后对真实世界中的事件做出决策和预测

与传统的为解决特定任务

编码的软件程序不同

机器学习是用大量的数据来“训练”

通过各种算法从数据中学习如何完成任务

我们从简单的例子来解释一下

判断飞蛾是“月蛾”还是“帝蛾”

那我们这个问题呢是“分类”

我们可以用照片和声音来训练算法

很多算法为了减少复杂性

把数据简化成特征

特征是用来帮助分类的值

对于飞蛾分类的例子

我们用两个特征一个是“翼展”和“重量”

为了训练“分类模型”做出好的预测

我们需要训练数据

那么这些数据称为“数据集”

数据集由若干个样本组成

每一个样本是一个观测数据的记录

或者叫做观测值

在表格中以行的形式体现

在机器学习中

一行

一条记录和一个样本的概念视为等价的

为了得到数据

昆虫学家到森林中收集月蛾和帝蛾

专家可以认出不同的飞蛾

所以专家不只记录特征值

还会把种类也写上

那这个过程这叫“数据标记”

因为只有两个数据

很容易用散点图把数据视觉化

红色标记了100个帝蛾

蓝色标记了100个月蛾

可以看到大致分成了两组

但中间有一定重叠

所以想完全区分两个组比较困难

所以我们要用机器学习求出决策边界

机器学习算法的目的是

最大化正确分类和最小化错误分类

找到最好的决策边界

如果我们进入森林

碰到一只不认识的飞蛾

我们可以测量它的特征

并绘制在决策空间上

这个数据就叫“未标签数据”

决策边界可以猜测出飞蛾的种类

这样的技术发源与统计学

统计学早在计算机出现前就在数据中应用

有一大类机器学习算法用到了统计学的方法

但也有不用统计学的算法

其中最值得注意的是人工神经网络

人工神经网络灵感来自大脑里的神经元

人工神经元可以接收多个输入

然后整合并发出一个信号

是吃数字进去吐数字出来

它们被放成一层层形成神经元网络

因此得名神经网络

回到飞蛾的例子

看如何用神经网络分类

我们的第一层输入层

需要提供被分类的单个飞蛾数据

同样也用重量和翼展

另一边是输出层

有两个输出层一个是帝蛾一个是月蛾

中间有一个层就叫隐含层

负责输入变成输出负责对分类的具体的运算

我们放大隐藏层里的一个神经元

神经元做的第一件事是把每个输入乘以一个权值

假设2.8是第一个输入

0.1是第二个输入

得到输出是9.74

然后对这个结果

用一个偏差值进行处理

比如-6那么就会得到3.74

做神经网络时候呢这些偏差和权值

一开始会设置成随机值

然后呢算法会调整这些值来训练神经网络

使用“标记数据”来训练和测试

逐渐提高准确性

获得像人类的学习过程

在这个例子里

输入0.55和82输出3.74这只是一个神经元

加权求和偏置会应用在一层里的每一个神经元

并向前传播一次一层数字最高的就是结果

隐藏层不是只能有一层

可以有很多层“深度学习”因此得名

训练更复杂的网络

需要更多的计算量和数据

尽管神经网络在50年前就发明了

深层神经网络知道最近才成为可能

主要的原因感谢强大处理器和超快的GPU

2016年谷歌推出AIphaGo

一个会玩围棋的AI

它和自己的克隆版下无数次围棋

从而打败最好的人类围棋选手

学什么管用什么不管用

自己发现成功的策略这叫强化学习是一种很强大的方法

和人类的学习方式非常相似

人类不是天生就会走路

是上千个小时的试错学会的

计算机现在才学会反复试错来学习

对于很多狭窄的问题

强化学习已经被广泛使用

这类技术如果可以更广泛的应用

能向小孩一样学习

但学习速度超快

这对人类可能有相当大的影响

下面我们总结下

人工智能机器学习和深度学习的区别

那么人工智能是研究

开发用于模拟延伸和扩展

人的智能的理论方法技术

及应用系统的一门新技术科学

机器学习呢是实现人工智能的一个途径

既以机器学习为手段

解决人工智能中的问题

深度学习则是机器学习的一个分支

它适合处理大量数据深度学习

使机器学习能够实现众多应用

并拓展了人工智能领域的范畴