一、前言
关于人工智能在2016年有考虑过往该方向走,也买了周志华的《机器学习》这种天书,有太多的数学公式,看了几页就看不下去了,而吴军这本书更像是一本人工智能的科普书,前两天在图书馆看到便借了回来翻了一半左右,做个总结。
注:人工智能相关研究需要扎实的理论基础,不是我这种二把刀能玩的,但在了解一些人工智能的基本概念和应用场景对做软件开发的程序员来讲还是有必要的。
二、人类知识产生
1、现象:观察到天体运动的现象。
2、数据:行星运行的观察数据记录。
3、信息:依据观察数据,勾画出运动轨迹图像。
4、知识:提炼出信息背后的本质性的规律,例如牛顿力学和万有引力定律。
数据是信息的表现形式和载体,信息是数据的内涵,知识是归纳总结提炼出来的。
三、机械思维VS大数据思维
1、机械思维
机械思维核心思想是因果关系,认为世界变化的规律是确定的,可以用简单的公式或语言描述清楚(比如牛顿力学三大定律),然后可以应用于各种未知领域指导实践,机械思维在工业革命起着决定性作用。
我们做产品,先发掘用户需求、规划产品、设计开发、上线营销、反馈和迭代,这个其实就是机械思维。
2、大数据思维
大数据思维不关注因果关系,而是关注数据之间的强相关性,即从大量的数据中直接找答案即使并不知道原因。
今天社会的常态就是不确定性,在无法确定因果关系时数据为我们提供解决问题的方法,数据中所包含的信息可以帮助我们消除不确定性,数据的相关性是对原来因果关系一种有力的补充。
今日头条就是以数据的思维来做产品,通过算法来区分不同的人群做内容推送。
机械思维是有因才有果,因果是确定性关系,大数据思维核心是数据,先有结果然后再去寻找原因。
四、熵
熵原本是物理学的概念,用来反映一个系统的混乱程度,系统越混乱熵越大,越有序熵值越小。在信息论中又用来表示信息的不确定程度,熵值越大信息的不确定程度越大,又分信息熵,联合熵,条件熵,看了公式就崩溃了,当年高等数学也学过啊,全忘记了。