初識機器學習

這幾年，「人工智慧」的概念炒得特別的火，不管是飯桌上，還是地鐵上，不管是好基友，還是陌路人，似乎都能就這個話題聊上幾句。

其實，這裡邊有些東西是被媒體過度放大的，也有很多東西是很早就有的，而不是什麼新鮮事兒，譬如說——機器學習。

機器學習是人工智慧很重要的一部分，甚至有的人認為人工智慧就是機器學習（當然，按今天的說法，人工智慧是更大的範疇）。但是，機器學習並不是最近的產物，而是從上世紀四、五十年代就已經開始發展了，只不過最近隨著數據的累計、大規模雲計算技術的成熟，機器學習的效果更加明顯，有些領域甚至超過了人類的水平（例如圖像識別），越來越多的被應用到人們的生活中去，才會使得越來越多的人開始關注它。

身邊的機器學習

在生活中，每天你都在使用著各種各樣的機器學習應用，而你可能沒有在意。

例如，你每天都在使用的谷歌、百度這種搜索引擎，它們之所以能這麼理解你，讓你瞬間找到你想要的，就是因為使用了某種學習演算法，可以「學會」如何對網頁進行排名。

再如，你使用智能手機拍照時，它能自動聚焦到人臉；拍完的照片庫中，還能自動識別出你、你的朋友，這都是機器機器學習的一種。

還有，你 每天查閱的電子郵件，都會由垃圾郵件過濾功能，這也是一種機器學習的應用。

如今，機器學習的應用已經遠遠不止這些了，人臉識別、語音識別、無人機，這些似乎都已經是我們生活的必須品了。

機器學習的來歷

機器學習發源於人工智慧領域，我們希望能夠創造出具有智慧的機器，我們通過編程來讓機器完成一些基礎的工作，比如最簡單的，計算1+1等於幾。

在今天看來，計算1+1等於幾這種問題實在是太低級了，根本配不上「智能」倆字。

確實，更多的情況是，我們並不能顯式地編寫一個程序讓它完成一個規定的指令，因為很多情況下，我們定義不出來這個指令。

例如，你要讓計算機判斷一個人的情緒是悲傷還是喜悅，你首先得告訴計算機什麼是悲傷、什麼是喜悅，然而這種情緒的定義很難量化，「喜極而泣」該怎麼算呢？「樂極生悲」又是有怎麼算呢？

人們意識到唯一能夠達成這些目標的方法，就是讓機器自己學會如何去做，這就是機器學習最開始的定義。

關注公眾號，獲取更多內容~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！