漫画人工智能：啥是机器学习？

点击上方“ 大鱼AI ”，选择“星标或置顶公众号”

关键时刻，第一时间送达！

作者： 武博士、宋知达、袁雪瑶、聂文韬

本节我们会以生动有趣的漫画来介绍关于人工智能（AI）相关的故事，你将会学习到：  机器学习的概念和分类。

一、机器学习的概念

人类需要经过各式各样的学习才有办法认识这个世界。 

当小朋友第一次看到猫后，可能会问爸爸妈妈，这个胖乎乎有胡子的可爱动物是什么。当父母告诉她：这就是猫的时候，她就会理解到，这种生物就是猫。 以后她碰到各种各样的猫的时候，都能认得出来。

计算机也是一样，在学习的过程中，可以自动找出“猫的 具体特征 ”，以及 形成自己一套识别方法 ，即使没有遇到的问题也可以按照原先的思路去解决。 

但是，和人的学习略有不同， 计算机是通过从大量的数据中，找到规律，进行预测和分类 ，达到即使没有遇到过的同类型的问题，它也能解决！ 

机器学习，顾名思义，机器可以像孩子一样学习。机器不再是简单运行人类程序的工具，它可以 自己去学习！变得更加聪明！

机器学习大致上可以分为： 监督学习、非监督学习、强化学习 三类。 接下来我们依次说明这三类机器学习。

二、机器学习的分类

1. 监督学习

在监督学习中，我们会将所有的数据和配对的答案都输入计算机，让计算机去学习这些数据的特征规则和答案之间的联系。

在监督学习中：

• 带有答案的数据是必须的 ，因为计算机在学习（训练）的过程中，不断的在对答案，修正自己的问题。

• 带有答案的数据的数量是巨大的，计算机没有我们想象中聪明，它需要在每次的错误中寻找自己的不足。目前少样本学习或者举一反三，还是只有人类能做到。

监督学习大致可以分为分类问题和回归问题。 

(1) 分类问题 

监督学习中，我们一直在举识别猫的例子，其实这是一种分类的过程，计算机可以将图片进行分类。分类不仅仅局限于图片，我们对于文字内容也可以进行分类哦。 

很困扰我们的垃圾邮件就是可以通过计算机识别文字后，进行分类。

计算机垃圾邮件的分类可不是向我们想象中那样，直接告诉你答案哦，它会进行垃圾邮件和正常邮件的概率标注。 比如这封邮件里面有大量的“”折扣、促销“”的字眼，是垃圾邮件的概率92%。我们人类按照计算机具体给出的概率标注进行具体的区分。 

除了图片、文字，计算机还可以区分声音哦。

(2) 回归问题 

一提到回归问题，好多小伙伴就会感到困惑， 什么是回归？ 回到那儿呀？归到哪儿呀？ 

其实，回归问题就是预测问题 ，只不过，在机器学习领域，把它称作回归。  

大家熟悉的口袋妖怪-宝可梦的攻击力，我们可以从历史数据中进行预测的哦。

回归就是从一堆数据中，找到能够准确找到这对数据的趋势线，得出一个具体数值的过程。

分类和回归具体的区别：

我们可以将天气预测为晴天、阴天、雨天、雪天，这就是 分类 的过程。但是如果预测具体的天气温度，就是 回归 。

(3) 过度学习和懒散学习（过拟合问题和欠拟合问题）

我们会不会这么想：是不是给计算机给的数据越多，他就能越好的进行分类和回归呢。答案是“”NO！“” 

计算机过度学习在学术上称为“ 过拟合 ” ！

我举一个自己特别痛苦的例子：在我上初中的时候，有一天老师通知我们说过一段时间我们要进行数学测验，大家好好复习。 我就把课后题全部都做了3遍，心想，这次我的成绩肯定会很好! 但是，考试的时候，卷子发下来，发现是数学竞赛，我竟无语凝噎...

但是，话说回来，如果连课后题都懒得会做，考试就无从谈起了。 这就是“”懒散学习“”，得到结果恐怕不只是眼泪，可能还有肉体的摧残。 这就是“ 欠拟合 “。

写到这里，不禁对咱们中国儒家文化中的“”中庸之道“”，暗自佩服！

2. 非监督学习

世界中的许多问题，都不是监督学习能够解决的，因为好多连人类都不知道答案。

机器学习中的非监督学习，就是让计算机分析一堆不知道答案的数据，然后找出结构和规则的过程。

举例来说，电商对客户分类的过程，就是一种非监督学习。刚开始我们没有办法为客户贴上准确的标签，但是渐渐的，从不同客户群体购买记录、浏览记录中，就可以区分出一些共性的特征，把他们聚类。 我们经常收到的 商品推荐服务 ，就是电商给某一类标签用户推荐的他们可能喜欢的商品。

3. 强化学习

人类会在成功与失败的教训中，学习到如何才能顺利达到目的。 

我想大多数同学都有小时候家长不在家的时候，有过玩游戏和写作业之间的纠结。如果玩游戏，现在是爽到了，但是如果爸爸妈妈突然回来... 如果明天老师检查.... 虽然头悬两把利剑，但是很多同学还是拿起来手柄和键盘。 

写作业虽然现在很痛苦，但是如果爸妈突然回家，如果考试成绩很好，好处大大滴。 

想必是只有经过了痛苦的经历，很多同学痛定思痛，还是拿起了笔，写作业。

同样的， 计算机可以由尝试错误的方式，经历多次失败和成功，然后学习到规律。 失败和成功完全就是以奖励的多少决定。 这就是强化学习。

让我们大众熟悉人工智能的AlphaGo ，基本原理就是强化学习。

一张图总结：

（未完待续...）

大鱼AI

一个专注于 AI 的有趣公众号