终极算法【2】——终极算法

机器学习的应用非常广泛，更为惊人的是，相同的算法可以完成不同的事。在机器学习领域之外，如果你要解决不同的问题，就得编写两个不同的程序。

相同的机器学习算法不仅可以完成无穷无尽且不同的事，而且和被它们替代的传统算法相比，它们要简单得多。多数学习算法可能只有数百行或者数千行。相比之下，传统程序则需几十万甚至上百万行代码。

如果那么少的学习算法就可以做那么多事，那么有一个逻辑上的疑问：单个学习算法可以把所有的事情做完吗？实际上，对所有主要的学习算法——包括最近邻算法、决策树学习算法以及贝叶斯网络——来说，如果你为学习算法提供足够、适当的数据，该算法可以实现任一功能（对学习任何东西来说，都与数学相关）。需要注意的是，“足够数据”也有可能无限。

本书的中心假设就是：

所有知识，无论是过去的、现在的还是未来的，都有可能通过单个通用学习算法来从数据中获得。

作者将该算法称为“终极算法”。

一种算法怎么可能学习那么多不同的事情？实际上，种种证据表明终极算法是存在的，下面来看看它们是什么样的：

来自神经科学的论证

2000年4月，麻省理工学院的神经系统科学家团队在《自然》杂志上发布了一项非同寻常的实验结果。他们对雪貂的大脑进行重新布线，改变了雪貂从眼睛到听觉皮层以及耳朵到视觉皮层之间的连接。你可能觉得实验结果就是雪貂会严重致残，但并没有：听觉皮层学会看，视觉皮层学会听&#