(本文阅读时间:5分钟)
目前,人工智能主流的支持技术是机器学习和深度学习。二者有什么异同呢?文末为你揭晓!
在了解机器是怎么学习之前,我们先来回顾一下人类自己的学习过程。
人类是如何学习的?
设想一下,当我们听到“苹果”这个词时,我们会想到什么呢?是不是会想到那种又红又圆、酸甜可口的水果?
我们还可能会从苹果联想到苹果派,因为它是一种用苹果做馅料的点心。
如果,我们正在一家超市里,想买一些苹果,但一时又找不到,这时我们看到了香蕉,我们马上就会知道苹果应该就在附近。
▍关联学习
提到某个我们所熟悉的概念时,在我们的脑海里通常会出现一个对应的具体事物(苹果)。但我们的思维并不是到此为止,因为这个事物并不是孤立的,它会和其它事物产生关联。
过关联来学习,这是人类认识事物的方式。在人类的头脑中,有一个非常复杂的知识图谱,这个图谱的每一个节点都是一个能映射某种具体事务的概念,人类通过不断拓展知识图谱来学习这个世界。
机器是如何学习的?
机器自然不可能像人类那样去把概念具象化成某种事物。
机器能做的是:把所有的概念都转换成数值,把这些概念之间的关系转化成运算,通过这些数值的运算来展现这个世界上的万事万物及其关联。
不过,机器学习中最常用的数值和平时我们所说的数字不太一样。
平时我们说的数字都是标量(Scalar),而机器学习中使用的数值是一般向量(矢量,Vector)。此外,还会用到矩阵(Matrix)或张量(Tensor)。
▍机器可以把现实事物转换成标量/向量/矩阵/张量,再对它们进行运算,得出结果,并用这个结果来指导我们解决问题。
机器学习和深度学习
严格来说,深度学习其实是机器学习的一部分,但由于深度学习能够实现非常好的效果,而且现在对深度学习的投入和需求都很大,所以它现在上升到了和机器学习并列的地位。
如今人工智能主流的支持技术是机器学习和深度学习,具有三个共同要素:数据(Data)、算法(Algorithm)和模型(Model)。
计算机运行实现了算法的程序对数据进行运算,通过运算结果得到模型。然后利用得出的模型来预测新的结果。
那机器学习的3个主要流程是什么呢?请期待下期微软ATP与你继续分享AI入门知识!
人工智能怎么学!微软ATP实践项目来啦!