学习人工智能就是学习f(x)=y在线视频

你好

00:00:34,000 --> 00:00:36,555
诶等等 有消息到

00:00:36,555 --> 00:00:38,000
是她呀

00:02:51,000 --> 00:02:53,000
这是件真实事情

00:02:53,000 --> 00:02:57,000
这是邸括同学上完小白学人工智能第一次课

00:02:57,000 --> 00:03:00,000
课堂上写的一大堆问题

00:03:00,000 --> 00:03:02,000
然后课后就来问我了

00:03:02,000 --> 00:03:05,000
我当时就给问懵了

00:03:08,000 --> 00:03:10,000
当然 我很高兴

00:03:10,000 --> 00:03:12,000
小白学人工智能的目标之一

00:03:12,000 --> 00:03:14,000
就是给你自己打开一扇窗

00:03:14,000 --> 00:03:18,000
让自己对人工智能有批判思考的习惯

00:03:18,000 --> 00:03:20,000
当然了 我也是个小白

00:03:20,000 --> 00:03:23,000
很多问题 我不一定有答案

00:03:23,000 --> 00:03:26,555
上一节 我们收集了x(L/S/W)和y(跳/走路)

00:03:26,555 --> 00:03:29,555
选择了合适的f(非线性模型)

00:03:29,555 --> 00:03:33,000
得到了一只特别聪明的智能小恐龙

00:03:33,000 --> 00:03:38,000
是的 我们整个课程就是学习这个f(x)=y

00:03:38,000 --> 00:03:44,555
接下来 就是人工智能+f(x)=y的专题报道

00:03:45,000 --> 00:03:48,000
第一波 什么是人工智能

00:03:48,000 --> 00:03:50,000
某百科的解释是

00:03:50,000 --> 00:03:57,000
它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

00:03:57,000 --> 00:04:00,000
及应用系统的一门新的技术科学

00:04:00,555 --> 00:04:04,000
它也引用了尼尔逊教授对人工智能下的一个定义

00:04:04,000 --> 00:04:07,555
人工智能是关于知识的学科

00:04:07,555 --> 00:04:14,000
怎样表示知识以及怎样获得知识并使用知识的科学

00:04:14,000 --> 00:04:19,000
而另一个美国麻省理工学院的温斯顿教授认为

00:04:19,000 --> 00:04:26,000
人工智能就是研究如何使计算机去做过去只有人才能做的智能工作

00:04:26,000 --> 00:04:29,000
当然你也可以上网去查查其他解释

00:04:29,000 --> 00:04:33,000
这是一名高一女生对人工智能的理解

00:05:11,000 --> 00:05:17,000
我比较喜欢对人工智能的解释是把人工智能分解为人工+智能

00:05:17,000 --> 00:05:22,000
通俗来说就是让机器像人那样的智能化

00:05:22,000 --> 00:05:26,000
那想问下你啊 人是如何智能化的

00:05:26,000 --> 00:05:29,000
人的智能化肯定是发展的

00:05:29,000 --> 00:05:32,000
是通过人不断学习发展的

00:05:32,555 --> 00:05:35,000
学习其实是为了解决问题

00:05:35,000 --> 00:05:39,000
有自理能力的人每天都要遇到各种问题

00:05:39,000 --> 00:05:41,555
所以人的学习是终身的

00:05:41,555 --> 00:05:46,000
我们可以说人智能化的本质是学习

00:05:47,000 --> 00:05:52,000
同样 人工智能的本质也可以说是机器学习

00:05:52,000 --> 00:05:53,000
第二波

00:05:53,555 --> 00:05:54,000
什么是机器学习

00:05:55,000 --> 00:05:57,000
依照某百科对机器学习的解释

00:05:58,000 --> 00:06:00,000
是一门多领域交叉学科

00:06:00,555 --> 00:06:07,000
涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科

00:06:08,000 --> 00:06:13,000
专门研究计算机怎么样模拟或实现人类的学习行为

00:06:14,000 --> 00:06:16,000
以获取新的知识或技能

00:06:16,555 --> 00:06:21,000
重新组织已有的知识结构使之不断改善自身的性能

00:06:23,000 --> 00:06:27,000
也就是说机器学习强调的是重组已有经验和规律

00:06:28,000 --> 00:06:29,000
研究出一个新的规律

00:06:30,000 --> 00:06:34,000
这个规律能够更高效地解决现有的问题

00:06:35,000 --> 00:06:35,555
就比如说

00:06:36,000 --> 00:06:38,000
你看见一个小孩在快乐的搭积木

00:06:39,000 --> 00:06:41,000
他天真的搭了推 推了搭

00:06:42,000 --> 00:06:44,000
不厌其烦 自得其乐

00:06:44,555 --> 00:06:49,000
我们就可以把这个小孩搭积木的过程考虑成机器学习的过程

00:06:50,000 --> 00:06:51,000
虽然积木看似随意而搭

00:06:52,000 --> 00:06:56,000
但是小孩子心中也是有一个“标准”的

00:06:56,555 --> 00:06:59,000
他在不断地优化自己的积木

00:06:59,555 --> 00:07:01,000
使整体更加“漂亮”

00:07:01,555 --> 00:07:04,000
他将自己拥有的积木不断重组

00:07:05,000 --> 00:07:06,000
搭建出不同的结构

00:07:07,000 --> 00:07:08,000
在此过程中

00:07:08,555 --> 00:07:12,000
他慢慢发现不同颜色积木交叉排放更漂亮

00:07:12,555 --> 00:07:14,000
就总结出了一个新的“规律”

00:07:15,000 --> 00:07:17,000
那么学习的目标是什么

00:07:17,555 --> 00:07:19,000
不是获得已知问题的已知答案

00:07:20,000 --> 00:07:21,000
是举一反三

00:07:21,555 --> 00:07:24,000
具备求解未知问题的答案的能力

00:07:24,555 --> 00:07:28,000
这种能力也就是f(x)=y中的f

00:07:29,000 --> 00:07:30,000
第三波

00:07:30,555 --> 00:07:32,000
生活中的f(x)=y

00:07:32,555 --> 00:07:34,000
计算机的世界来源于真实世界

00:07:35,000 --> 00:07:39,000
如果你对于前面的学术解释感到疑惑的话

00:07:39,555 --> 00:07:41,000
我们来看下生活中发现f的乐趣

00:07:42,000 --> 00:07:44,000
先来个简单的计算

00:07:44,555 --> 00:07:45,000
某综艺选秀节目

00:07:46,000 --> 00:07:48,000
三个评委分别打出“7”，“6”，“8”分

00:07:49,000 --> 00:07:51,000
然后一个评委在算“7加6等于13”

00:07:51,555 --> 00:07:53,000
“13加8等于21”

00:07:53,555 --> 00:07:55,000
这样的计算就显得十分繁琐

00:07:55,555 --> 00:07:57,000
那么你能找出小窍门f吗

00:07:58,000 --> 00:08:03,000
如果进行分配一下的话就可以直接得到3*7 = 21

00:08:03,555 --> 00:08:07,000
这样我们就从已有的知识中学习到了一个规律f

00:08:07,555 --> 00:08:08,000
用它来解决问题

00:08:09,000 --> 00:08:11,000
高考中也有f的存在

00:08:11,555 --> 00:08:15,000
高考的时候很多题目是平时没做过的

00:08:15,555 --> 00:08:17,000
那平时学习是干嘛呢

00:08:18,000 --> 00:08:19,000
平时学习

00:08:19,555 --> 00:08:23,000
通过做过的题目（x）和已知答案（y）学习解题方法（f）

00:08:24,000 --> 00:08:26,000
那么你高考的时候就是用这些

00:08:26,555 --> 00:08:29,000
解题方法（f）对新题目（x）来获得新答案（y）

00:08:30,000 --> 00:08:30,555
还有吗

00:08:31,000 --> 00:08:33,000
等等 观察下你自己

00:08:34,000 --> 00:08:37,000
你现在的嘴巴是张开还是合上的

00:08:38,000 --> 00:08:39,000
很重要哦

00:08:40,000 --> 00:08:41,000
颜值啊

00:08:41,555 --> 00:08:42,000
看看这张照片

00:08:43,000 --> 00:08:44,000
10岁的少年

00:08:44,555 --> 00:08:47,000
嗯 蛮帅的小正太的照片

00:08:47,555 --> 00:08:50,000
然后 这是7年后的照片

00:08:51,000 --> 00:08:52,000
你能找到原因吗

00:08:53,000 --> 00:08:55,000
这是英国的一对姐妹

00:08:55,555 --> 00:08:56,000
当时姐姐8岁

00:08:57,000 --> 00:08:58,000
妹妹7岁

00:08:58,555 --> 00:08:59,000
几年后

00:08:59,555 --> 00:09:02,000
妹妹是这样的 姐姐又是这样的

00:09:03,000 --> 00:09:04,000
你能找到原因吗

00:09:04,555 --> 00:09:07,000
John Mew英国正畸医师找到了原因

00:09:08,000 --> 00:09:10,000
那就是不能用口呼吸

00:09:11,000 --> 00:09:015,000
好 这就是我们生活中存在的各种有趣的f

00:09:15,555 --> 00:09:17,000
当然还有很多很多

00:09:17,350 --> 00:09:20,845
那么人工智能中机器学习的f呢

00:09:25,675 --> 00:09:27,750
有种说法机器学习的核心

00:09:27,975 --> 00:09:30,650
是使用大量的数据来训练

00:09:30,725 --> 00:09:34,350
通过各种算法从数据中学习如何完成任务

00:09:35,261 --> 00:09:37,800
我们用高考换一个说法

00:09:37,850 --> 00:09:39,125
机器学习的核心是

00:09:39,125 --> 00:09:41,775
使用大量的数据（已经做过的题目和答案）来训练

00:09:41,900 --> 00:09:44,650
通过各种算法从数据中学习（解题方法）

00:09:44,675 --> 00:09:45,650
如何完成任务（解答高考题目）

00:09:45,675 --> 00:09:48,900
下面有个很好玩的仿机器学习游戏：

00:09:48,900 --> 00:09:51,250
王后的答案是“女人”

00:09:51,250 --> 00:09:53,250
国王的答案是“男人”

00:09:53,250 --> 00:09:54,725
也即是

00:09:54,725 --> 00:09:56,675
f(“王后”)=“女人”

00:09:56,675 --> 00:09:58,800
f(“国王”)=“男人”

00:09:58,825 --> 00:09:59,925
那问下你

00:09:59,925 --> 00:10:02,250
f(“公主”)的答案什么

00:10:02,250 --> 00:10:04,925
这就是一个机器学习的案例了

00:10:04,925 --> 00:10:06,725
我们之前说过

00:10:06,725 --> 00:10:10,100
f(x)=y是你以前熟悉的一个表达式

00:10:10,100 --> 00:10:11,850
在哪里熟悉啊

00:10:11,875 --> 00:10:13,325
在数学里面

00:10:13,325 --> 00:10:15,925
那你以前熟悉的f(x)=y

00:10:15,950 --> 00:10:18,775
和现在人工智能中的f(x)=y

00:10:18,775 --> 00:10:19,850
有什么不同啊

00:10:19,850 --> 00:10:22,325
好下面是一个看法：

00:10:22,350 --> 00:10:24,100
以前数学中

00:10:24,100 --> 00:10:28,425
我们知道f知道y求解回x

00:10:28,600 --> 00:10:31,700
或者知道f代入x得到y

00:10:31,700 --> 00:10:34,350
那现在人工智能里面尼

00:10:34,350 --> 00:10:37,400
x和y是知道还是不知道呢

00:10:37,400 --> 00:10:39,650
嗯是知道的

00:10:39,650 --> 00:10:42,625
那f尼是知道还是不知道的呀

00:10:42,625 --> 00:10:47,375
是需要训练/选择或者学习获得的

00:10:47,475 --> 00:10:49,525
是开始时候不知道的

00:10:49,525 --> 00:10:55,450
好了结束这轮关于f(x)=y的专题报道

00:10:55,450 --> 00:10:59,700
也就是说机器学习中我们就是要根据x,y

00:10:59,700 --> 00:11:02,625
选择或者学习得到f

00:11:02,625 --> 00:11:04,400
比如在智能小恐龙中

00:11:04,425 --> 00:11:08,375
f选择为线性模型和f选择为非线性模型

00:11:08,400 --> 00:11:11,050
效果是完全不同的

00:11:11,050 --> 00:11:14,975
让我们小结下人工智能和机器学习的关系

00:11:15,000 --> 00:11:17,775
机器学习是人工智能的核心

00:11:17,775 --> 00:11:20,000
是人工智能的一个分支

00:11:20,000 --> 00:11:22,250
人工智能除了机器学习

00:11:22,275 --> 00:11:25,050
还有知识表示自动推理等分支

00:11:25,125 --> 00:11:29,225
机器学习算法是一类从收集到的数据中

00:11:29,225 --> 00:11:30,700
通过不断学习（训练）

00:11:30,700 --> 00:11:32,250
自动分析获得规律

00:11:32,650 --> 00:11:33,475
换一个说法

00:11:33,525 --> 00:11:35,725
机器学习算法是一类

00:11:35,725 --> 00:11:38,150
从收集到的数据x-y中

00:11:38,150 --> 00:11:39,475
通过不断学习（训练）

00:11:39,475 --> 00:11:41,625
自动分析获得规律f

00:11:42,125 --> 00:11:43,100
机器学习目标

00:11:43,100 --> 00:11:45,625
是从已经收集到的x-y中

00:11:45,625 --> 00:11:46,700
获得f,

00:11:46,700 --> 00:11:48,475
从而碰到新的x,

00:11:48,475 --> 00:11:50,400
能用f分析得到y

00:11:51,425 --> 00:11:53,650
机器学习有个重要分支

00:11:53,650 --> 00:11:57,145
可以说是当今人工智能最热门的词

00:11:57,150 --> 00:11:58,125
深度学习

00:11:58,300 --> 00:12:01,850
深度学习也会是小白们未来学习的重点

00:12:01,850 --> 00:12:05,425
机器学习从学习形式上可以分为3种

00:12:05,425 --> 00:12:07,550
这个也将在未来出现

00:12:09,200 --> 00:12:11,975
好了接下来时间交回给你

00:12:11,975 --> 00:12:12,850
请你

00:12:32,475 --> 00:12:33,425
加油