機器學習成就人工智慧,還是人工智慧成就機器學習?

不要糾結於成就不成就。重點是討論機器學習與人工智慧的關係。是不是機器具備學習能力後就有了智能,亦或是機器有了智能之後一定就會學習?或者更簡單的說,學習與智能是一種什麼關係?


都不對,可以說機器學習推動了人工智慧的發展吧。

機器學習是人工智慧裡面的一個子學科。人工智慧並不一定需要機器學習,比如在地圖上搜索路徑,在路況、流量等參數都具備的情況下,沒有什麼進行學習的必要。


機器學習的核心是數據,沒有數據一切都是扯淡。人工智慧核心在推理,之所以這幾年二者結合很緊密,是因為搞人工智慧的慢慢認識到靠邏輯,或者理論來推理,現實中往往不work。還不如直接的從數據中得到規律更直接。


  對事物的屬性和方法進行識別和歸納就是學習;

  深入的知識庫和高效的邏輯過程就是智慧;

  從學習的層次上來看,對知識庫進行再學習能帶來智慧;

  知識庫是學習的結果、問題的存在區間和求解的依據;

  思維、思緒就是或長或短的一段邏輯過程;

  可以安全重組的連續邏輯過程就是意識;

  思維互相感知並互相認同為一個整體就是自我意識;

  人類採用非自然方法實現智能就是智能機;

  人類採用非自然方法實現自我意識就是人工智慧;

  人工智慧為學習和求解而發端、為機器人第二法則而必須。

  能夠行使邏輯判斷過程的機器就是智能機,能夠學習的機器比它前進了一大步,要不要把它稱作「學習機」?我覺得各位把智能機和人工智慧搞混了。最簡單的圖靈機就是智能機,最簡單的人工智慧必定是擁有學習能力,學習能力是人工智慧的必要、前提條件,是人工智慧的基本功能。沒有學習能力的智能只能算智能機。

  這裡需要深入說明一下:人工智慧的學習能力分為兩大部分,知識的學習和思維邏輯的學習重組。前者起點甚低,適應性訓練都可以看作是學習;後者起點甚高,至今只可遙望和意味。

  學習當然能擴大知識庫、給知識庫增加智慧;學習也能改進和重組邏輯模塊,智能更強大。不學習的人工智慧就好比一個拒絕長大的孩子、頑固不化的老者,這隻影響它的能力卻不影響它的定義。因此學習不是必須的,而知識庫是必須的,因為「知識庫是學習的結果、問題的存在區間和求解的依據」。寫在人工智慧程式當中的「常識」,是一種隱含知識庫,這是很難避免的現象。知識庫可以通過學習、複製、人工編寫、知識庫再次學習而得來……說遠了,就回答到這兒吧。


人工智慧主要指的是使用機器利用一些預先設計好的邏輯和大數據分析方法「自動的」而基本不需要過多人為干預的實現某項功能,比如自動駕駛、醫療診斷、或者生活語音助手等等。

機器學習尤其是深度學習是突出了其中「自動的」這個概念,深度學習的一個重點就是使得人為想出的規則儘可能地減少,而儘可能讓機器經過對大量數據的分析形成規則。

舉個簡單的例子,比如你要給一個大二的女生推薦她該和她的閨蜜去哪裡玩,你作為一個人的判斷是你認為大二的女孩子應該最喜歡的是去咖啡廳喝咖啡,但是機器經過對大量用戶數據的觀察發現大二女生其實最喜歡去做陶藝手工和看藝術展。也就是說,如果憑藉人為的判斷而創造規則,很多時候規則會是不準確的,因為一個人所接觸的信息是片面的,而且人的歸納總結能力也無法和機器相比;而如果通過機器觀察大量同類型數據而得到的結果,那就能形成比人為判斷準確的多的規律了。

也就是說機器學習強調了讓機器經過大數據分析而「自動」發現規律和形成規則而提升判斷的準確率。


機器學習本質是數學,在約束條件下使得問題收斂,而要具備人工智慧中「認知」的能力,機器學習根本不能達到這種程度。


機器學習只是人工智慧的途徑之一(現在比較熱門),人工智慧還有其他途徑,請參考各種人工智慧教科書。當前部分實現人工智慧的產品中,機器學習也未必是最重要的技術。


機器學習十大演算法的發明者都很值得關注,如果能夠對這十大演算法都很精通,基本上就進牛人行列了,有個叫培樂園的,專門培訓機器學習十大演算法、分類、聚類、svm、回歸、關聯規則挖掘、apriori、fp-growth 、em演算法、pagerank、id3C4.5、bagging、adaboost等


機器學習是研究如何使計算機能夠模擬或實現人類的學習功能,從大量的數據中發現規律,提取知識,並在實踐中不斷地完善和增強自我。機器學習是機器獲取知識的根本途徑,只有讓計算機系統具有類似人的學習能力,才可能實現人工智慧的終極目標。

可以這麼說,機器學習是人工智慧研究的核心問題之一,也是當前人工智慧研究的一個熱門方向,同時也是人工智慧理論研究和實際應用的主要瓶頸之一。


這個問題提得非常好,接近智能的本質。智能的本質是適應性,進一步說就是個體通過學習、決策和自我改造實現對環境的適應,一個個體無論其智商多麼低下,只要它具備了這個特性,我們就可以說它是智能的,而一個機器,即便在語言處理、下棋、圖像識別、自動駕駛上達到神的級別,如果不能通過自主學習決策去適應環境,那它就永遠是個機器,最多說他具有智力,而不能說具有智能。那麼自我意識又是什麼?自我意識是智能發展的必然,但對於智力來說,無論它發展到什麼級別,都與自我意識是分道揚鑣的。


機器學習是人工智慧一種現實實習的方法


機器學習現在非常成熟,但是沒看到人工智慧也成熟起來,根本就是兩碼事


首先,關於人工智慧的定義,最核心的部分肯定是:自主意識和自我學習能力。

而機器學習的實現方式可以通過知識庫。

因此,如果按照現在的眼光去看人工智慧,機器學習肯定是推動了人工智慧發展的;

不過跟真正意義上的人工智慧意義不大。


推薦閱讀:

文化水平低可以學人工智慧嗎?
下一次科技大爆發最有可能會在那個領域發生?
我今年 26 歲,想學習人工智慧領域的知識,如深度學習方面的。需要閱讀哪些書籍,或者找哪些人學習?
如何評價谷歌新推出的神經網路模型MultiModel?

TAG:人工智慧 | 數學 | 計算機 | 機器學習 |