以下文字来源 :3Blue1Brown
The idea with machine learning is that rather than trying to explicity define a procedure for how to do that task in code,which is what people would have done in the earliest days of AI,instead you set up a very flexible structure with tunable parameters,like a bunch of knobs and dials,and then somehow you use many examples of what the output should look like for a given input to tweak and tune the values of those parameters to minic this behavior.
中文翻译:
机器学习的理念是:不要试图在代码中明确定义如何执行一个任务,那是AI发展初期的做法,而是去构建一个具有可调参数的灵活架构,像是一堆旋钮和滑块,然后拿着大量实例,给定一个输入时应该输出什么,来设法调整各种参数以模仿这种表现。
个人理解:
这里提及的“AI发展初期的做法”应该指的就是类似模式识别的方法,例如专家系统,会首先人工建立数据库,由人类专家建立一系列的“知识”或者“规则”,机器在这些“知识”和“规则”的约束下进行判断。
“人类提供知识或者规则”这一行为类比到机器学习中,就类似人为向机器提供“特征”;而机器学习是在大量数据的驱动下,自主学习发现“特征”的过程。
总结:
模式识别一般是事先人为提供了规则,或者指明了学习的策略等;
机器学习更加强调自动化的过程,在数据驱动下,机器自主学习特征,完成任务。
前者投喂的是“特征”,让机器根据“特征”做出判断;后者投喂的是数据,机器自主发现特征做出判断。
当然,现阶段关于模式识别和机器学习的书籍所涉及的方法会有较大的重合,这也和二者均在不断发展有关。