集体智慧导言-第一章

技术人对于集体智慧的定义

为了创造新的想法，而将一群人的行为/偏好或思想组合在一起

什么是机器学习

机器学习是人工智能（AI,artificial intelligence)领域中与算法相关的一个子域，它允许计算机不断地进行学习。大多数情况下，这相当于将一组数据传递给算法，并由算法推断出与这些数据的属性相关的信息–借助这些信息，算法就能够预测出来有可能会出现的其他数据。

机器学习的局限

机器学习算法受限于其再大量模式之上的归纳能力，如一个模式如果不同于算法先前所见到过的任何其他模式，那么她很可能会被“误解”。

生活中的例子

Google：利用Web连接对网页进行排名（PageRank算法，见第四章）
Amazon//Netflix:利用消费者的购买信息通过相似度算法，进行个性化推荐
Hollywood Stock Exchange：通过用户模拟股票交易预测股票的走势

学习型算法的其他用途

鼓励自己：加油冲冲冲。

生物工艺学：

人类再测序技术和筛选技术（sequencing and screening technology）上的进步已经创造出了许多不同种类的海量数据，比如DNA序列，蛋白质结构，化合物筛选以及RNA表达。为了找到能进一步理解生物进程的模式，机器学习技术被广泛应用于所有这些类型的数据之中。

金融欺诈侦测

信用卡公司一直都在寻找侦测交易是否存在欺诈行为的新方法。最终，他们使用了像神经网络和归纳逻辑这样的技术，对交易行为进行检验，并捕获不正当的使用方法。

机器视觉

处于军事或监控的目的，从摄像机中进行图片解析是一个活跃的研究领域。许多机器学习技术被用来自动侦测入侵者，辨别车辆，或者识别人脸。尤其值得注意的是无人监测技术的使用，比如能从大数据集中发现有趣特征的独立组元分析技术

产品市场化

产期以来，对人口统计资料及其发展趋势的理解被认为是一种艺术而不是科学。最近人们再消费者数据搜集能力方面的增长，为机器学习技术打开了机会之门，比如聚类算法，就能很好的理解存在于市场中的自然划分，并能更好的预测未来的趋势。

供应链优化

许多企业通过其供应链有效运行及精确预测不同区域的产品需求，来节省数以百万计的成本投入，构造供应链的方法非常多，影响需求的潜在因素页非常多。优化和学习技术时常被用来分析这些数据集。

股票市场分析

自从有了股票市场，人们就一只尝试利用数学来赚取更多的钱，随着参与股市的股民变得越来越有经验，对大量数据进行分析并采用先进的技术来侦测模式已经变得很有必要了。

国家安全

全世界的政府机构都再搜集海量信息，对这些数据的分析过程要求计算机模式进行检测，并将之于潜在的威胁联系起来。

今天，让自己进步一点点