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。
不错