「认识AI：人工智能如何赋能商业」【12】学习的类型介绍

作者 | Harper

审核 | gongyouliu

编辑 | auroral-L

学习的类型介绍

大家好这里是来自数据与智能社区的Harper！

本期视频给大家带来的内容是来自于这本《认识AI，人工智能如何赋能商业》，本系列的上一期内容是给大家介绍了机器学习的应用，很多人认为机器学习是-一个不断发展变化的概念。但有些人错误地认为机器学习是统计学的同义词，或者只是谈论数据科学的一种新方式。为了避免这些误解，当你想到机器学习时，要把重点放在学习这个词上。机器学习当然使用统计学，并且统计学和机器学习都是数据科学的组成部分，但是机器学习和其他领域都不一样，学习，让机器学习变得独一无二。

理解机器学习的关键是需要了解学习的意思，人们学习新事物的各种策略是什么，你如何采取这些策略并将它们应用到机器上？当你聚焦于学习上时，你会发现机器学习是一种非常不同的解决问题的方法。

想想一下你想学下棋，可以采用几种不同的方法，你可以给自己请一个老师，他会向你介绍不同的棋子，以及他们书如何在棋盘上移动的，你可以跟老师对弈，他会知道你的动作并推荐不同 的策略，随着你对象棋掌握程度的提高，你就可以在没有指导的情况下下棋了。甚至可以开始制定你自己的策略。

那另一个选择是去公园看别人下棋，你可以在旁边观察他们是怎样在棋盘上移动棋子的，如果观察得够久，你也可能理解具体的规则，甚至理解棋子的招式和策略。

再或者，你可以尝试这两种方法的结合，老师会教你基本的规则，你也观察其他人玩，并依靠自己的观察来学习新的策略。

这三种策略类似于机器通常的学习策略，下面我就来分别介绍：

首先是监督学习:在这里，你就像是机器的导师。你提供机器要遵循的指导原则，以及一些训练数据，当机器犯错误时，你实时提醒。第二是无监督学习:你给机器提供一组数据，它自己发现数据中的模式，并找出自己解释数据的规则和策略。第三是半监督学习:这种方法结合了监督学习和非监督学习。你只需要对机器进行点训练，这样它就有了一个初步的指导原则，然后机器就可以在探索数据的基础上总结自己的规则和策略。每种方法都有各自的优缺点。对于监督学习，你需要一个知识渊博的导师。在象棋的例子中，你需要一个知道象棋规则，会下象棋的人。尽管这种方法对于像象棋这样有1500年历史的游戏来说是很容易获得的，但是对于一个新的、开创性的项目，你可能很难找到人来训练机器。无监督学习需要大量数据。在象棋的例子中，你可以在公园或社区中心看人们玩，研究别人的对弈棋局，或者在计算机程序中观摩别人以前下过的著名棋局。无监督学习的挑战在于你需要向机器提供高质量的数据。

在半监督学习中，你会遇到更高的挑战。你需要找到一个合格的导师，需要把好的数据输入机器。如果这两方面都做不到，那么你就不能指望机器可以获得很好的效果。当决定使用哪种方法更有效时，通常只能尽你所能利用好现有的资源。如果找不到一个好的导师，就需要更多更好的数据。如果没有很好的数据和足够的数据量，你必须找到一个优秀的导师。只有当你既有导师，又有足够多的高质量数据时，你才能采用半监督学习。

好了那我们本期视频就到这里，感谢大家对数据与智能一直来一来的关注与支持，我们会持续为大家更新好视频，那下期视频再见啦！

本内容来源于「数据与智能」创始人刘强翻译的畅销书「认识AI：人工智能如何赋能商业」，喜欢的读者可以点击下面链接直接购买。

本文的视频版本可以直接点击下面视频观看，欢迎关注数据与智能视频号获取更多精彩视频。