人工智能入门

1 什么是人工智能

• Artificial Intelligence，亦称智械、机器智能，
• 指由人制造出来的机器所表现出来的智能
• AI的核心问题包括建构能够跟人类似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等

2 人工智能的分类

• 弱人工智能 如除了语音识别，啥都不能干
• 强人工智能 如自动驾驶
• 超人工智能 全能，推理能力

3 人工智能研究分支

• 机器学习AI （Machine Learning AI）
  • 机器学习是要在大数据中寻找一些“模式”，然后在没有过多的人为解释的情况下，用这些模式来预测结果，而这些模式在普通的统计分析中是看不到的
    • 大量的数据
    • 发现规律
• 深度学习(Deep Learning)
  • 人工神经网络
  • 是机器学习中最热门的算法
    

4 机器学习

• 人工智能的一个分支
  • 什么是学习？
    一个成语就可概括：举一反三，懂解题方法，因此考场上面对陌。高考为例，高考的题目在上考场前我们未必做过，但在高中三年我们做过很多很多题目生问题也可以算出答案
  • 推理机器学习在近30多为主线，从数据中自动分析获得规律
  • 近年已发展为一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科
  • 设计和分析一些让计算机可以自动“学习”的算法

4.1 机器学习的核心任务

训练过度，虽然准确度很高，但是不符合实际应用，左边的训练成果已经很好了

4.2 学好机器学习的第一原则和要义

4.3 机器学习分类

• 监督学习（有目标的，如年龄和肿瘤良性恶性是否有关系）
• 无监督学习
• 最简单也最普遍的一类机器学习算法就是分类（classification）。对于分类，输入的训练数据有特征（feature），有标签（label）。所谓的学习，其本质就是找到特征和标签间的关系（mapping）。这样当有特征而无标签的未知数据输入时，我们就可以通过已有的关系得到未知数据标签。
  • 在上述的分类过程中，如果所有训练数据都有标签，则为有监督学习（supervised learning）。如果数据没有标签，显然就是**无监督学习（unsupervised learning）**了，也即聚类（clustering）。
• 半监督学习介于两者之间，部分有答案
  

监督学习



无监督学习

“自学成才”,没有老师的“指导”，没有明确的目的。要回答的问题是“从数据X中能发现什么”。
通过无监督学习，我们可以快速把行为进行分类，虽然我们不知道这些分类意味着什么，但是通过这种分类，可以快速排出正常的用户，更有针对性的对异常行为进行深入分析。

• 案例1：发现异常

  • 有很多违法行为都需要”洗钱”，这些洗钱行为跟普通用户的行为是不一样的，到底哪里不一样？
  • 如果通过人为去分析是一件成本很高很复杂的事情，我们可以通过这些行为的特征对用户进行分类，就更容易找到那些行为异常的用户，然后再深入分析他们的行为到底哪里不一样，是否属于违法洗钱的范畴。

• 案例2：用户细分

  • 这个对于广告平台很有意义，我们不仅把用户按照性别、年