AI理论知识学习（1）-AI中常见名词概念理解

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

目录

前言

一、机器学习是什么？

1.机器学习“前身”——专家系统

2、机器学习

3、深度学习和机器学习的关联

二、模型是什么？

简单说：特征和权重的集合

三、迁移学习是什么？

总结

---

---

前言

先简单讲解一下人工智能的原理、迁移学习的原理

一、机器学习是什么？

1.机器学习“前身”——专家系统

 专家系统系统是什么？

我们举一个信用卡反欺诈的例子， 以前的时候在银行里有一群业务专家， 他们的工作就是根据自己的知识和经验向系统中输入一些规则。

例如某一张卡在一个城市有了一笔交易，之后 1 小时内在另一个城市又有了一笔交易。这些专家根据以前的经验判断这种情况是有盗刷的风险的。他们在系统中输入了 1 千多条这样的规则，组成了一个专家系统。

这个专家系统是建立在人类对过往的数据所总结出的经验下建立的。

我们可以把它就看成一个大脑，我们业务是受这个大脑控制的。但这个大脑是有极限的，我们要知道这种规则从 0 条建立到 1 条是很容易的，但是从几千条扩展到几千零一条是很难的。 因为你要保证新的规则有效，要保证它不会跟之前所有的规则冲突，所以这很难，因为人的分析能力毕竟是有限的。

我听说过的最大的专家系统是百度凤巢的，好像是在 10 年的时候吧，广告系统里有 1W 条专家规则。但这是极限了，它们已经没办法往里再添加了。 所以说这是人脑的一个极限。

后来呢大家引入机器学习， 给机器学习算法中灌入大量的历史数据进行训练， 它跟人类行为很像的一点就是它可以从历史数据中找到规律，而且它的分析能力更强。

2、机器学习

        以前人类做分析的时候，可能说在反欺诈的例子里，一个小时之内的跨城市交易记录是一个规则，但如果机器学习来做的话，它可能划分的更细，例如 10 分钟之内有个权重，10 分钟到 20 分钟有个权重，1 小时 10 分钟也有个权重