06【中文】第二章 | 为什么人工智能拥有超强洞察力

精华笔记 

一、AI如何从数据中学习

传统的人工智能意味着告诉计算机该怎么做——把现成的知识输入机器，但现实状况是非常复杂的，并不是所有问题都可以被编辑成计算机语言来输入到机器之中。然而现代的人工智能与之不同，它通过不断地试错，来找到问题的解决办法。

当前流行的机器学习版本中，系统一开始是没有具体认知的。它以类似随机模型、空白模型的方式理解世界。接着，给它输入数据，让它得到运行结果，然后再将这个结果与真实正确的结果比较。当机器得到错误的结果时，它会调整模型，再次尝试。如果调整后结果依然没有改进，它就会重调模型，再次尝试。反之，如果调整有效，它就会收集更多数据，进行计算，与正确结果再次进行对比，这就形成了一个不断试错的过程。

最终，机器会通过学习进行不断的优化进步，从而具备更全面的认知。

二、没有数据，机器如何做出分析

前文说到，人工智能的学习需要通过分析数据来不断试错。但是在某些领域我们仍没有足够的数据，或者在这些领域获取数据要么太昂贵繁冗，要么不切实际，那么这些领域的研究害是否能使用人工智能技术。

在没有大量数据的情况下AI依旧可以依靠其他策略来开展数据驱动计算机学习。

其中一种叫“无监督”式学习，其适用于有效数据充足，但是这些数据没被标记或注释，机器无从判断其正确性的情况。这种情况下，机器无法通过人类给予的标记来判断数据的对错，但其可以通过大量的数据来找出异常的数据。

但是无监督机器学习也有一个很明显的弱点。它可以高效识别数据中的例外情况，但是它不知道如何处理、如何解释它们。后续针对不同事件的决策，依旧需要人类的干预进行。