3.4 机器学习的目标
前面我们先把一些当前听起来特别热的概念回顾了一下。 接下来,我们把视角抬 高一些,回到问题的本质。 什么是机器学习?
准确的说,机器学习只是一个方法而已, 它本身不是目标。那目标是什么? 目标 是人工智能,那么什么是人工智能(Artificial Intelligence,简称 AI)? AI 的意思是, 机器或程序可以像人类一样有智能。 这种回答和没说一样。用概念本身组成的词来解 释本身,这是最愚蠢的。 如果你遇到这样的专家,就可以起身离开。
我认为, 目前一个比较实际的解释是: 让机器与人一样可以举一反三。 举个例 子,高中以前,我看到狗的品种大约有三五个, 而且还都是农村看门的土狗。 但是, 有一次我到城东东关办事,路过一个宠物市场, 里面的狗,大的,小的,长毛的,短 毛的,五花八门。 尽管有些狗的品种是我平生第一次遇到, 但是不会认错,不会把狗 认成猫, 更不会认成老虎、大象。
谷歌在介绍深度学习课程中有一句话,说得还是到位的。
ML systems learn how to combine input to produce useful predictions on never-beforeseen data.
这句话用了一个词是 userful(有用的),而不是「正确的」。 另外,Twitter 上的 Francois Chollet 有一段话对智能与自动化的区别的解释:
Intelligence is adaption to unknown unknowns across an unknown range of tasks and domains. Automation is, at best, robustly handling known unknowns over known tasks (which is already incredibly difficult and resource-intensive in the real world – whether engineering or data) The resource-intensiveness, naturally, comes from the lack of adaptability: you need to plan for every possible unknown, whether explicitly or via a dense sampling of possible situations (assuming a fixed distribution)
如果仔细琢磨一下这些话,还是有些深意的。那么,我们能够信任机器学习做出的决策吗?如果不能完全相信,那么在什么情况下,可以信任机器学习。有个电影叫少数派报告,可以看一下,其中的隐喻是什么。
009-机器学习背后的思维-针对入门小白的概念算法及工具的朴素思考