Part 1：为什么机器学习如此重要

AI科技大本营编者按：

这篇文章在Medium上总共获得了6900多个赞，在Medium上极受欢迎。受欢迎最大的原因是，作者能以比较浅显的文字，将机器学习所囊括的各类原理讲得清楚透彻。而这，对于以下三类人群来说，简直是个福利包：

1. 想要快速提升机器学习能力的技术人员;

2. 想要初步了解机器学习，并愿意接触相关概念的非技术人员;

3. 任何对机器是如何思考感兴趣的人。

虽然文章中也会讨论概率、统计学、程序设计、线性代数和微积分的基本概念，但在作者的深入浅出的语言描述下，即便没有相关背景知识，也不会觉得难懂。

如果你想在3个小时内快速了解机器学习的概念，也不知道上哪里找价值高的指导性文章，建议您阅读该作者系列文章。AI科技大本营会陆续更新该系列的Part2、3、4、5部分及资源列表。

Part 1：为什么机器学习重要。人工智能与机器学习概述——过去，现在，将来。

https://medium.com/machine-learning-for-humans/why-machine-learning-matters-6164faf1df12

Part 2.1：监督学习。线性回归，损失函数，过拟合，梯度下降。

https://medium.com/machine-learning-for-humans/supervised-learning-740383a2feab

Part 2.2：监督学习II。两种分类方法：逻辑回归和SVMs。

https://medium.com/machine-learning-for-humans/supervised-learning-2-5c1c23f3560d

Part 2.3：监督学习III.。非参数学习：k最近邻，决策树，随机森林。并介绍交叉验证，如何调参和模型融合。

https://medium.com/machine-learning-for-humans/supervised-learning-3-b1551b9c4930

Part 3：无监督学习。聚类：k-means，层次聚类。降维：主成份分析法(PCA)，奇异值分解(SVD)。

https://medium.com/machine-learning-for-humans/unsupervised-learning-f45587588294

Part 4：神经网络。深度学习的工作原理，以及卷积神经网络(CNN)，循环神经网络(RNNs)和实际应用。

https://medium.com/machine-learning-for-humans/neural-networks-deep-learning-cdad8aeae49b

Part 5：增强学习。介绍马尔可夫决策过程。Q-learning，策略学习，深层增强学习。价值学习问题。 

https://medium.com/machine-learning-for-humans/reinforcement-learning-6eacf258b265

附录：最好的机器学习资源机器学习课程资源列表。

https://medium.com/machine-learning-for-humans/how-to-learn-machine-learning-24d53bb64aa1

本篇为系列的第一篇文章，作者以讲故事的方式，告诉你，为什么机器学习如此重要。

这让人想起前不久小扎与马斯克关于“AI是否会超越人类”的论战，小扎说AI只是帮人提升效率，让人能够专注于更重要的工作；而马斯克则在twitter上公开批小扎“理解太浅薄，没有看到更长远的威胁”。

本篇文章的观点与马斯克如出一辙，作者对未来充满担忧，也正是这份担忧，他提出：

虽然预测未来有点不现实，但有一件事是肯定的：2017年是了解机器如何思考的最好开始时间。

在他看来，人们必须深入机器了解世界的内部细节，搞清楚机器到底要什么，它们的偏见和弱点是什么。

而要搞清楚这些问题，作者强调“得把机器当成人来研究”；正如研究心理学和神经科学，探索人类如何学习、决策、感觉等课题。从这个层面来说，这已经不单单是技术问题了，而是需要综合逻辑、心理、哲学、语言学等各学科，才能真正摸清楚黑匣子背后的秘密。

正文：

人工智能比本世纪的任何其他创新都来得更猛，而它也将更有力地塑造我们的未来。

在这个技术统治的世界里，任何不了解它的人，会很快发现自己落..伍...了...他会对即将到来的魔法世界，呈一脸懵逼状。

虽然人工智能历代的潮起潮落已经被各大资料文章说烂了，早已老生常谈，但请保持点耐心，我仍想用自己的方式，将其梳理一遍。

在经历了过去四十年的几番AI停滞和发展周期之后，数据的爆发和算力的提升让人工智能终于突破了瓶颈。

2015年，Google训练了一个对话机器人(AI)，不仅可以作为技术支持与人进行交流，还可以跟人讨论道德问题，表达意见和回答一般性的基于事实的问题。

Vinyals＆Le，2017

同年，DeepMind开发出一个程序，仅以像素和游戏得分作为输入，在49局 Atari游戏中超越人的表现。

不久后，DeepMind再次实现自我超越，发布一款名叫A3C的新的前沿游戏算法。 

与此同时，AlphaGo击败了世界顶级围棋选手，这是继机器征服国际象棋后，历经二十年时间，再次在以人类为主导的游戏中大获全胜。

许多围棋大师不理解，为什么一台机器能掌握这个古老的中国战略游戏，机器怎么可能掌握其中的精髓和复杂，在10¹⁷⁰个可能的布局中大败人类。要知道，宇宙中原子的数量也就 10⁸⁰。这太不可思议了。

图为与AlphaGo进行了一场比赛失败后，职业围棋选手Lee Sedol在复盘这局棋局

上一篇 下一篇