錯過了炒房，錯過了炒股，又不敢炒幣，你還不好好學學機器學習么？

今天，機器學習已然是我們世界許多未來技術進步的核心?？纯茨愕闹車?，你會發(fā)現(xiàn)各種機器學習的例子，比如特斯拉的自動駕駛汽車、蘋果的Siri、阿爾法狗、今日頭條等等。我們用簡單樸素的語言介紹機器學習，希望每個人都看的懂。

1

擴展人類智能

當史蒂夫·喬布斯還是個孩子的時候，他閱讀了一項研究：測量不同物種的運動效率。也就是說，研究人員想要找出哪種動物在1公里的旅行中消耗的能量更少。禿鷹是這次分析的贏家，而人類的表現(xiàn)卻相當?shù)脑愀獯蠹s是排名倒數(shù)第三位。但后來有人想到要測試騎自行車的人的運動效率。結果發(fā)現(xiàn)，騎自行車的人遠超過禿鷹，效率完全居于食物鏈的頂端。喬布斯意識到，人類與其他動物不同的是，我們能夠制造出更好的工具。

多年后，當喬布斯開始使用電腦時，喬布斯引用了他的一句名言:“Computers are like a bicycle for the mind”今天，在蘋果成立四十年后，計算機確實極大地擴展了我們的大腦容量。

Computers are like a bicycle for the mind.

—?Steve Jobs

我們可以很簡單的將大腦的功能分成兩組:

記憶(即存儲信息)和智能(即做計算)

在內(nèi)存方面，計算機極大地擴展了我們的大腦，使我們可以存儲無限數(shù)量的數(shù)據(jù)。計算機科學也大大擴展了我們的智力。例如，我們有數(shù)學軟件，可以讓我們快速執(zhí)行復雜的計算。

2

人與計算機編程

傳統(tǒng)的計算機科學在擴展人類智能的任務上面臨著一個主要的限制:我們首先需要向計算機解釋如何執(zhí)行我們想要完成的任務。

用電腦編程，就像你想把一個任務教給一個人一樣。例如，你可以告訴一個朋友，“如果烤箱的計時器停止了，按下這個按鈕就可以關掉烤箱。”通過這樣做，你已經(jīng)“編程”了這個人去做你需要的事情。編寫計算機來完成這一任務將與編程人員非常相似。代碼可以是:

if oven.timer_alarm == on:

button.status = pressed

編寫計算機就像向某人解釋如何完成一項任務。你只能解釋你知道該怎么做的任務。

但是，如果我們想要編程的任務更復雜呢?或者，如果我們需要對一個任務進行編程，但我們甚至不知道這樣的任務是如何完成的呢?

讓我們想想當我們教一個孩子如何識別不同種類的動物時。你不能開始描述每個動物的特性:“如果動物身上的顏色是xx色號，大小是xx size,鼻子像…那么它就是一個老虎”。你能想象和孩子們一起使用這種教學策略嗎?這將是不可能的。相反，我們所做的就是向孩子們展示動物的圖片，以及一些特定的技巧，，這樣他們就會不知不覺地了解到哪些特征是那些能夠識別每一種動物的特征。

需要制定一個程序，向計算機解釋如何執(zhí)行每一項任務，這是傳統(tǒng)計算機科學編程所面臨的最大限制。它阻止了計算機進一步擴展我們的智能來解決更復雜的任務。為了真正地擴展我們的智力，我們需要計算機來完成我們甚至不知道該怎么做的任務。

2

人工智能革命

這就是機器學習來拯救的地方。機器學習是研究如何使計算機學習的領域。換句話說，機器學習算法是一個計算機程序，它教計算機如何編程，這樣我們就不必明確地描述如何執(zhí)行我們想要完成的任務。

例如，為了教電腦識別動物，我們會向電腦展示一堆有標簽的圖片(例如:這張照片是老虎，圖片是貓，等等)，和我們教孩子時一樣。機器學習算法將使用這些樣本來識別哪些特征是區(qū)分一個動物和另一個動物的特征，并且利用這些信息，它將編寫自己的程序來執(zhí)行識別動物的任務。

因此,機器學習的方法讓計算機學習如何執(zhí)行復雜任務的流程無法輕易被人類,甚至我們不知道如何完成的任務(例如“我想要這張照片看起來像畢加索畫”)。

畢竟我們不太可能真的畫出跟畢加索相似的畫，但是機器學習卻可以。下面展示的是用機器學習來玩魔方的案例。

機器學習能夠幫助人類完成復雜任務方面，比如預測疾病，預測股市進化，自動駕駛汽車，以及無數(shù)其他的應用。事實上，任何可以被記錄的東西都是可以預測的。