五分钟向长辈解释机器学习

不同于传统计算机科学。在传统中，计算机需要程序员准确地告诉它去做什么以及要怎么做，可以说是非常笨拙了。然而有了机器学习，我们只需要在计算机中输入大量数据，就可以进行分析，并输出结果了。

比如说，你知道怎么在Facebook上发布照片吧。当你发布照片时，Facebook会提醒你标记一些可能在照片中出现了的人。如果你不了解Facebook，那么再举一个更常见的例子，你在浏览Netflix时，网页会推荐一些可能喜欢的剧集或电影。其实，这就有点机器学习的意味了。

再比如说，机器学习在自动驾驶汽车上发挥着重要作用。汽车会收集大量的数据来学习怎样开得更好更安全。显而易见的是，机器学习将在未来的生活中扮演重要的角色。

机器学习不是什么

首先，机器学习并不是像你在电影中看到的那样，机器人想要摧毁人类。当人们听到人工智能时，往往首先会想到“终结者”。其实，机器学习并不是人工智能，它只是人工智能的一个子领域。机器学习已经经过了相当长一段时间的发展。其起源可以追溯到上世纪50年代晚期。当时，IBM的亚瑟·塞缪尔(Arthur L. Samuel)设计了第一款会下西洋棋的机器学习应用。直到上世纪80年代深度学习才得到广泛重视。最终，世界科技巨头如Facebook、谷歌和微软纷纷大力投资深度学习的发展，继而引发了人工智能革命。谷歌翻译、苹果智能助手Siri等等，都是深度学习的产物。

请放心，在可以预见的未来，即使机器学习或人工智能的发展失去控制，也不会对人类社会造成威胁。这里，你可能在想，那么到底是怎样让机器学习的呢?计算机是怎样收集并理解信息的呢?其实，在这一过程中，我们会利用很多数学算法来帮助得到想要的结果。

1. 机器学习中的数学

线性代数是数学的一个研究领域，被公认为是深入了解机器学习的前提。线性代数的内容非常广泛，包含很多晦涩难懂的理论和发现。但是其基本方法和符号对机器学习研究者来说是非常有用的。所以，需要有坚实的线性代数知识作为基础。

数学对学习机器学习来说是极其重要的，因为我们需要在选择算法时考虑其准确性、训练时间以及其他性能。数学可以帮助我们找到一种让机器学习的最佳方法。除了线性代数，机器学习科学家/工程师也需要掌握微积分、算法、概率论和统计学等数学概念。在机器学习中，Python是最常用的一种编程语言。

2. 联想到大脑

大脑会将世界上各种各样的信息收集起来形成我们对现实的看法。计算机也需要做到这一点。神经网络就承担了这一职责。

神经网络是让计算机模拟人类大脑最常用的方法。人类大脑由将近10亿个神经细胞，也就是神经元构成。人类大脑非常擅长解决问题。在解决问题时，

（编辑：开发网_开封站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!