真人与拘做受免费看_伊人WWW22综合色_少妇厨房愉情理9仑片视频_成人亚洲A片V二区三区久_97人伦色伦成人免费视频_无码囯产精品一区二区免费_白丝爆浆18禁一区二区三区_亚洲黑人巨大videos_啦啦啦WWW在线观看视频播放_

Part 1：為什么機(jī)器學(xué)習(xí)如此重要

AI科技大本營(yíng)編者按：

這篇文章在Medium上總共獲得了6900多個(gè)贊，在Medium上極受歡迎。受歡迎最大的原因是，作者能以比較淺顯的文字，將機(jī)器學(xué)習(xí)所囊括的各類(lèi)原理講得清楚透徹。而這，對(duì)于以下三類(lèi)人群來(lái)說(shuō)，簡(jiǎn)直是個(gè)福利包：

1. 想要快速提升機(jī)器學(xué)習(xí)能力的技術(shù)人員;

2. 想要初步了解機(jī)器學(xué)習(xí)，并愿意接觸相關(guān)概念的非技術(shù)人員;

3. 任何對(duì)機(jī)器是如何思考感興趣的人。

雖然文章中也會(huì)討論概率、統(tǒng)計(jì)學(xué)、程序設(shè)計(jì)、線(xiàn)性代數(shù)和微積分的基本概念，但在作者的深入淺出的語(yǔ)言描述下，即便沒(méi)有相關(guān)背景知識(shí)，也不會(huì)覺(jué)得難懂。

如果你想在3個(gè)小時(shí)內(nèi)快速了解機(jī)器學(xué)習(xí)的概念，也不知道上哪里找價(jià)值高的指導(dǎo)性文章，建議您閱讀該作者系列文章。AI科技大本營(yíng)會(huì)陸續(xù)更新該系列的Part2、3、4、5部分及資源列表。

Part 1：為什么機(jī)器學(xué)習(xí)重要。人工智能與機(jī)器學(xué)習(xí)概述——過(guò)去，現(xiàn)在，將來(lái)。

https://medium.com/machine-learning-for-humans/why-machine-learning-matters-6164faf1df12

Part 2.1：監(jiān)督學(xué)習(xí)。線(xiàn)性回歸，損失函數(shù)，過(guò)擬合，梯度下降。

https://medium.com/machine-learning-for-humans/supervised-learning-740383a2feab

Part 2.2：監(jiān)督學(xué)習(xí)II。兩種分類(lèi)方法：邏輯回歸和SVMs。

https://medium.com/machine-learning-for-humans/supervised-learning-2-5c1c23f3560d

Part 2.3：監(jiān)督學(xué)習(xí)III.。非參數(shù)學(xué)習(xí)：k最近鄰，決策樹(shù)，隨機(jī)森林。并介紹交叉驗(yàn)證，如何調(diào)參和模型融合。

https://medium.com/machine-learning-for-humans/supervised-learning-3-b1551b9c4930

Part 3：無(wú)監(jiān)督學(xué)習(xí)。聚類(lèi)：k-means，層次聚類(lèi)。降維：主成份分析法(PCA)，奇異值分解(SVD)。

https://medium.com/machine-learning-for-humans/unsupervised-learning-f45587588294

Part 4：神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)的工作原理，以及卷積神經(jīng)網(wǎng)絡(luò)(CNN)，循環(huán)神經(jīng)網(wǎng)絡(luò)(RNNs)和實(shí)際應(yīng)用。

https://medium.com/machine-learning-for-humans/neural-networks-deep-learning-cdad8aeae49b

Part 5：增強(qiáng)學(xué)習(xí)。介紹馬爾可夫決策過(guò)程。Q-learning，策略學(xué)習(xí)，深層增強(qiáng)學(xué)習(xí)。價(jià)值學(xué)習(xí)問(wèn)題。 

https://medium.com/machine-learning-for-humans/reinforcement-learning-6eacf258b265

附錄：最好的機(jī)器學(xué)習(xí)資源機(jī)器學(xué)習(xí)課程資源列表。

https://medium.com/machine-learning-for-humans/how-to-learn-machine-learning-24d53bb64aa1

本篇為系列的第一篇文章，作者以講故事的方式，告訴你，為什么機(jī)器學(xué)習(xí)如此重要。

這讓人想起前不久小扎與馬斯克關(guān)于“AI是否會(huì)超越人類(lèi)”的論戰(zhàn)，小扎說(shuō)AI只是幫人提升效率，讓人能夠?qū)Ｗ⒂诟匾墓ぷ?；而馬斯克則在twitter上公開(kāi)批小扎“理解太淺薄，沒(méi)有看到更長(zhǎng)遠(yuǎn)的威脅”。

本篇文章的觀點(diǎn)與馬斯克如出一轍，作者對(duì)未來(lái)充滿(mǎn)擔(dān)憂(yōu)，也正是這份擔(dān)憂(yōu)，他提出：

雖然預(yù)測(cè)未來(lái)有點(diǎn)不現(xiàn)實(shí)，但有一件事是肯定的：2017年是了解機(jī)器如何思考的最好開(kāi)始時(shí)間。

在他看來(lái)，人們必須深入機(jī)器了解世界的內(nèi)部細(xì)節(jié)，搞清楚機(jī)器到底要什么，它們的偏見(jiàn)和弱點(diǎn)是什么。

而要搞清楚這些問(wèn)題，作者強(qiáng)調(diào)“得把機(jī)器當(dāng)成人來(lái)研究”；正如研究心理學(xué)和神經(jīng)科學(xué)，探索人類(lèi)如何學(xué)習(xí)、決策、感覺(jué)等課題。從這個(gè)層面來(lái)說(shuō)，這已經(jīng)不單單是技術(shù)問(wèn)題了，而是需要綜合邏輯、心理、哲學(xué)、語(yǔ)言學(xué)等各學(xué)科，才能真正摸清楚黑匣子背后的秘密。

正文：

人工智能比本世紀(jì)的任何其他創(chuàng)新都來(lái)得更猛，而它也將更有力地塑造我們的未來(lái)。

在這個(gè)技術(shù)統(tǒng)治的世界里，任何不了解它的人，會(huì)很快發(fā)現(xiàn)自己落..伍...了...他會(huì)對(duì)即將到來(lái)的魔法世界，呈一臉懵逼狀。

雖然人工智能歷代的潮起潮落已經(jīng)被各大資料文章說(shuō)爛了，早已老生常談，但請(qǐng)保持點(diǎn)耐心，我仍想用自己的方式，將其梳理一遍。

在經(jīng)歷了過(guò)去四十年的幾番AI停滯和發(fā)展周期之后，數(shù)據(jù)的爆發(fā)和算力的提升讓人工智能終于突破了瓶頸。

2015年，Google訓(xùn)練了一個(gè)對(duì)話(huà)機(jī)器人(AI)，不僅可以作為技術(shù)支持與人進(jìn)行交流，還可以跟人討論道德問(wèn)題，表達(dá)意見(jiàn)和回答一般性的基于事實(shí)的問(wèn)題。

Vinyals＆Le，2017

同年，DeepMind開(kāi)發(fā)出一個(gè)程序，僅以像素和游戲得分作為輸入，在49局 Atari游戲中超越人的表現(xiàn)。

不久后，DeepMind再次實(shí)現(xiàn)自我超越，發(fā)布一款名叫A3C的新的前沿游戲算法。 

與此同時(shí)，AlphaGo擊敗了世界頂級(jí)圍棋選手，這是繼機(jī)器征服國(guó)際象棋后，歷經(jīng)二十年時(shí)間，再次在以人類(lèi)為主導(dǎo)的游戲中大獲全勝。

許多圍棋大師不理解，為什么一臺(tái)機(jī)器能掌握這個(gè)古老的中國(guó)戰(zhàn)略游戲，機(jī)器怎么可能掌握其中的精髓和復(fù)雜，在101??個(gè)可能的布局中大敗人類(lèi)。要知道，宇宙中原子的數(shù)量也就 10??。這太不可思議了。

圖為與AlphaGo進(jìn)行了一場(chǎng)比賽失敗后，職業(yè)圍棋選手Lee Sedol在復(fù)盤(pán)這局棋局

上一篇 下一篇