機器學習備忘錄:你不可不知的 5 件事

 2016-09-22 22:32:00.0

直到目前爲止,要在電腦上完成一個最簡單的任務仍然需要極其複雜且精確的指令說明。

我們身邊還有誰記得如何用穿孔卡片編程嗎?又有誰還會使用 DOS 呢?

計算機編程語言已經經過了多年的發展,但現在需要跨越的最大一步就是消除複雜編程。換句話說,教會計算機自學就被稱爲機器學習。

機器學習是一種非常有前景的技術,它的能力是飛躍性的提升,在不久的將來會實實在在、潛移默化地影響我們每個人和每個領域。正因如此,有幾件事我認爲每個人都應該瞭解。

| 是什麼

不同於以往準確地指示計算機應該如何執行才能解決問題,在使用機器學習時,程序員無需告訴它應該如何學習才能解決問題。

機器學習在本質上是非常高級的統計應用,可以學習如何識別數據模式,並根據這些模式做出預測。如果感動興趣的話可以打開此處網站鏈接,有一個關於機器學習工作原理的可視化介紹。

機器學習的研究早在 1950 年代就開始了,當時的計算機科學家想出瞭如何教計算機下棋。在那之後,隨着計算能力的提高,計算機能夠識別複雜的模式,也因此可以做出預測和解決問題。

機器學習算法通常會給出一套「教學」的數據,然後要求通過這些數據來回答問題。例如,你可能提供了一組用於計算機教學的照片,其中某些會說「這是一隻貓」,另一些會說「這不是一隻貓」。然後你可以向計算機展示一系列的新照片,它就會開始自己判斷哪些是貓的照片。

機器學習就是在不斷地加大其「教學」數據集,無論判斷對錯,每張被辨識過的照片都會被添加到數據集中,這樣程序就會變得越來越「聰明」,也能更好地完成其任務。

實際上,這就是學習過程。

| 有何魅力

計算機現在可以大膽地進入任何一個與我們息息相關的領域。雖然技術在許多情況下還不完善,但因爲機器學習特殊的概念,可以不知疲倦地不斷提高其性能,理論上沒有天花板上,只會變得越來越好。

如我們之前舉的貓的照片的例子,計算機現在可以「看見」圖片並對其分類,還可以「閱讀」圖中的文字和數字,甚至是識別某個人或某個地方。他們不僅是有閱讀文本的能力,也能通過理解上下文判斷代表的情緒是積極的還是消極的。

除此之外,計算機還會能傾聽、理解並回應我們。你口袋裏的虛擬助手也許是 Siri、Cortana,又或者是谷歌助手。這代表了計算機在理解人類自然語言的能力方面實現了一個重大飛躍,而且還在不斷改善中。

計算機現在還學會了書寫,機器學習算法已被用於撰寫一些日常的新聞文章,主要是需要大量數據的領域,比如財務、運動報告。這會廣泛影響包括數據錄入和分類等需要人工干預的任務。如果一臺計算機可以識別一些東西——比如一個圖像,一個文檔,一個文件等等,如果描述準確,就可能有很多自動化方面的用途。

| 應用現狀

人們已經可以利用機器學習算法實現很多令人興奮的事情了。

最近有一項關於使用計算機進行輔助診斷(CAD)的研究,分析了乳腺癌女性患者的早期掃描結果,結果證明計算機將其中 52% 的確診時間提早了一年左右。並且,基於龐大的人口數,機器學習可以學習理解其中的致病因子。Medecision 公司發明了一種算法可以讓它定位並識別 8 種信號,能讓糖尿病患者避免不必要的住院治療。

另外,想必你有過這樣的經驗,某次在線上商店逛完後卻沒有剁手,不過往後的幾天,網頁四周到處掛着你曾經搜過的關鍵字推薦廣告,這些都只是機器學習應用的冰山一角。其它情況,諸如商業公司給顧客寄優惠券、提供產品介紹、推薦新品的時候,都可以發揮「個性化定製」的超級算法,這一切都只有一個小目的,那就是推薦消費者更加容易青睞的商品。

自然語言處理(NLP)正在被用到各種跨學科的新奇應用中。使用自然語言的機器學習算法可以替代客服專員,並且能夠更快地告知客戶們所需要的信息。它也被用來將合同中晦澀難懂的措辭轉化爲平實的語言文字,幫助律師們在準備案子時整理大量的資料信息。

IBM 最近在頂級汽車廠商的高管們中進行了調查,他們中有 74% 的人預計在 2025 年之前我們就能看到智能汽車行駛在路面上。

智能汽車不但能融入整個物聯網系統中,還能對它的主人和周圍環境進行學習。它能根據駕駛員信息資料調整自身內部設置(溫度、音樂、座椅位置等),甚至可以自動修復問題,還能自動駕駛,也能根據交通和道路情況提供實時建議。

| 未來發展

機器學習帶給我們的想象空間是巨大的,其中一些令人興奮的可能性包括:

  • 個性化醫療,根據基因組成和生活方式爲用戶創建獨一無二的醫療護理和治療計劃。

  • 數據安全,程序可以高度準確地自動檢測惡意軟件、病毒和攻擊。

  • 計算機輔助安全,在機場和體育場館等公共場所可以預測威脅人員,並檢查安檢人員錯過事物。

  • 自動駕駛汽車,可以自己導航,避免交通事故。

  • 先進的欺詐檢測,保護金融和保險領域的資金安全。

  • 甚至是一個「通用翻譯助手」,可以實時、準確、迅速地翻譯你對手機或其他設備說的話。

| 和我有什麼關係

對許多人來說,每當技術進步時,他們僅僅是對新技術表示歡迎,不會太關心其工作原理和背後的使用場景。但我要提醒的是,我們都應該關心機器學習,因爲它將給我們的生活帶來很多助益,還可能改變我們的勞動力結構。

地球上的每個人幾乎都在產生越來越多的數據,當人們在工作中運用機器學習來處理時,一切都將被顛覆。是的,對許多人來說,這些新技術會使工作變得更加容易,但也可能淘汰掉許多工作。算法現在可以幫我們回覆郵件、解釋醫學影像、找到勝訴的法律案例、分析我們的數據等等。

機器學習算法依賴於從過去的例子中「學習」經驗,從而使程序員從無窮無盡的代碼中拯救出來,無需考慮各種意外情況。這種學習能力,再加上機器人技術和移動技術的優越性,意味着計算機現在可以比以往任何時候都更快更好地幫助人類完成更加複雜的任務。

世界經濟論壇提估算,在未來五年內我們將有 500 萬個工作崗位被計算機和機器人所取代。

這意味着,不管你的工作是什麼——從律師到診斷專家,從客戶服務代表到卡車司機,都必須注意機器學習將會如何影響你所在的領域、你所接觸的業務和你所從事的工作。爲了避免被計算機帶來的顛覆性震驚到,最好方法就是從現在開始積極地瞭解,做好準備。

via Forbes

推薦閱讀:

沒VC投你?強行在域名里加個.ai 吧

機器學習在汽車中的應用:從大衆今天擴建慕尼黑AI實驗室說起

機器學習備忘錄:你不可不知的 5 件事

文章來源:雷鋒網