【时间之外】5分钟了解人工智能的算法

人工智能一直是最近比较火的。由于工作的关系，平时很少接触这方面的知识，但是作为IT民工，什么都要学习，本文就用5分钟时间，介绍一下人工智能的必会算法知识，就当给你加一点儿谈资，真的要研究，需要更多的时间去研究。

第一分钟：默知识和暗知识

默知识是由哲学家波兰尼（1891～1976）提出的，比如骑车，如果问每个骑车的人如何保持不倒，他们都会回答：车往哪里倒，就往哪里打车把。世界上大概没有人是看手册学会骑车的，这个就是默知识。默知识是可以感受得到的，明知识是可以表达的。那么机器发现的，既无法感受也无法表达的知识，就是暗知识。顺便说一下数据和知识的差异：数据是已经描述出来的部分信息，比如人的收入，身高，学历，性别等等。知识则是数据在时空中的关系。

第二分钟：机器学习的五大流派

• 符号学派：机器自己摸索出决策逻辑。核心理念是有因必有果，有果必有因。
• 联结学派：神经网络、深度学习。最近几年机器学习的宠儿。重要用途是分类，比如垃圾邮件识别，疾病判断，猫狗分类。
• 进化学派：一切由上天决定，模拟自然界的演化。
• 贝叶斯学派：机器从结果推出原因的概率。承认因果，但认为因果之间的联系不确定，只是一个概率。
• 类推学派：机器学习默知识。核心逻辑，第一，两个东西某些属性相同，他俩就是类似的，比如头发少，格子衬衫，经常加班就是程序员；第二，如果属性相同，他们的未知属性也相同，比如营收下降、拖欠薪资，高管离职，此企业的倒闭风险就高。

第三分钟：最陡下降法

这是联结学派的神经网络最重要的概念之一。以下棋为例，人类棋手2000年来相当于一直在同一个小山坳里打转转。第一位棋手偶然的棋路会影响他的徒弟。以后的徒子徒孙都始终在这个小山坳附近徘徊。而机器学习像个“神行太保”，以比人快百万倍的速度迅速扫遍群山，很快就能找到一个远离人类徘徊了2000年的更低山谷。这也是棋圣聂卫平连呼看不懂AlphaGo的棋路。

第四分钟：卷积神经网络

深度学习的一种，主要是处理空间信息的卷积神经网络（convolutional Neural Network,CNN），类似于人工神经网络的多层感知器，下围棋到自动驾驶再到人脸识别，背后全是卷积神经网络。但是它无法解决一些重要的问题，如股票预测和自然语言理解。

第五分钟：循环神经网络

适合解决卷积神经网络无法解决的问题。有两个特点：一是输入端可以接收连续的输入，二是可以记住信息的先后顺序。其重要的应用就是机器翻译，目前最广泛使用的【编码器-解码器】翻译模型，用了两个循环神经网络，一个网络先把整个英文句子的结构信息都压缩到一个字符中，然后第二个网络再一个字一个字地预测，可以根据这个包含了整个句子的结构信息做辅助判断。