Task01 机器学习介绍

---

前言

人工智能的快速兴起，使得人们积极投身机器学习的研究，本文简单介绍了什么是机器学习、一些机器学习的相关技术以及在未来超有潜力的一个职业—AI训练师。

---

一、机器学习介绍

首先很多人对于人工智能（最初称为人工智慧）、机器学习、深度学习三者之间究竟有着怎样的关系很是疑惑，上图很好的展示了三者之间的关系。
人工智能— 希望机器像人一样聪明，这是我们的终极目标。
机器学习—实现人工智能的手段。
深度学习—机器学习的一种方法。

机器学习通俗来讲就是让机器具有学习的能力。通过编写程序使机器变聪明，具备自己学习的能力。

机器学习的步骤如下：
Step 1:从一组function的集合里寻找一个function
Step 2:衡量找到的function的好坏
Step 3:选择最好的function

如上图所示，我们的任务为：图像辨识，按照机器学习的步骤来完成这个任务：
Step 1:先准备一组function的集合（有很多个function），假设有个function f1,它看到猫时就输出猫，看到狗时就输出狗；但另一个 function f2很奇怪，它看到猫说是猴子，看到狗说是蛇。

Step 2:然后把训练数据（大量图片）喂给机器进行训练，这些训练数据反映了输入和输出的对应关系，对于当前任务来说，看到猫时就输出猫，看到狗时就输出狗，这样是对的。进而机器就可以判断这个function是好是坏，对于上述的f1,f2来说，f1是好的。

Step 3：由于我们的function 集合里有很多个function,需要找到一个有效率的演算法，有效率的演算法可以从function的集合里挑出最好的function，找到最好的function之后，我们把它应用到图像辨识中，输入一张机器没有见过的猫，希望输出也是猫。

二、有关机器学习的一些技术介绍

注：蓝色方块—学习场景，是我们无法控制的。比如，当我们没有数据做监督学习时，我们才做强化学习。
红色—任务（task）,需要解决的问题，问题不同，方法也不同。
绿色—模型(model)，不同的task有不同的model。例如：线性模型、深度学习、SVM等。

1.监督学习（Supervised Learning）

1.1 回归（Regression）

Regression的输出为数值，例如预测明天的PM2.5的值，需要找到一个function，这个function的输出是未来某一时间PM2.5的数值。

1.2 分类（Classification）

Classification输出为类别，Classification问题分成两种，一种为二分类，输出为：是或否（Yes or No）（例如：垃圾邮件分类）；另一种为多分类（Multi-class），在Multi-class中是让机器做一个选择题，给机器多个选项，每个选项都是一个类别，让他从中选择正确的类别（例如：文章分类）。

监督学习中我们需要大量的training data，training data告诉我们要找的function的input和output之间的关系，并且output需要人工标注，output也称为label。

1.3 深度学习（Deep Learning）

刚才所说的都是让机器来解决任务，在解决任务的过程中，第一步要选择function的集合，也就是选择不同的model。Model分为线性模型和非线性模型，Deep Learning就是非线性模型中有名的一个，它的function特别复杂，它所解决的问题也比较复杂，例如：图片识别（需要描述pixel和class之间的关系）。

2.半监督学习（Semi-supervised Learning）

半监督学习是一种减少label用量的方法。

举例来说，你想做一个猫狗分类器来识别图片上是猫还是狗，但是你只有少量有label的数据，大量的数据都是没有label的，你没有时间去告诉机器这些图片的类别，但是这些没有label的数据对于我们来说也有用处，这就会用到半监督学习的方法。

3.迁移学习（Transfer Learning）

迁移学习是一种减少数据用量的方法。

假设我们要做猫狗分类的问题，但我们只有少量有label的数据，大量与本次任务无关的数据，它们中有的有label,有的没有，那么这些数据对于我们分辨猫狗来说有没有用处呢，这就是迁移学习要研究的问题。

4.无监督学习（Unsupervised Learning）

无监督学习有一种无师自通的感觉。

举例来说，机器在动物园里看完一大堆动物后，可以学会自己创造一些动物，比如：眼睛长在身上的狗、像乳牛的狗等等。

5.监督学习中的结构化学习（Structured Learning）

结构化学习中机器的输出是有结构性的

举例来说：在语音识别中，机器输入声音信号，输出的是一个句子。句子很多词汇组合而成的。它是具有结构性的。

6.强化学习（Reinforcement Learning）

在强化学习中，机器不知道正确答案，只有一个分数来衡量它所作所为的好坏情况。

举例来说，我们用强化学习训练一个聊天机器人，通过它和客人对话后，客人的反应，来让它明白自己学习的情况，假如客人生气的挂断了电话，它会学习到刚才的事情自己做错了，但它并不知道错在何处，也没有人告诉它哪里出了差错，它要进行反思，检讨自己哪一步没有做好。

强化学习比较符合我们人类的学习过程，你可以在书本上找到答案，但是当你进入社会中，没有人会告诉你答案，你只知道自己做的好还是不好，进而反思自己，如果做的不好，下次进行改正。

之前我们讲过监督学习，如果用监督学习的方法来训练一个聊天机器人，我们会告诉机器正确答案是什么，比如：客人说了hello,你要回复hi,客人说了byebye，你要说good bye。

三、AI训练师-一个amazing的职业

有关人工智能将取代人类的说法，曾引起过激烈的讨论，但是人工智能真的会取代人类吗？不过，大家不用担心，相应的也会产生一些新的职业，比如：AI训练师。
AI训练师需要为机器挑选合适的model和loss function。不同的model和loss function适合解决不同的问题。所以要训练出厉害的AI，AI训练师不可或缺。

总结

以上就是今天要讲的内容，本文简单介绍了机器学习的概念、相关技术、以及AI训练师这个酷酷的职业，道阻且长，一起加油吧。