拆解Ｉ《終極演算法》符號學派

吃飯、睡覺、看微信可能是每天最重要的事情，簡單易用的微信背後是複雜的硬體和演算法，微信等眾多免費工具，需要大量的資本、人力去運營及維護，之所以免費使用，重要的原因之一是這些運營公司為了獲取海量的數據，通過不同功能的演算法，可以將這些數據變成「黃金」。越來越多的公司使用燒錢的方法，大量獲取消費、信用等數據，目的就是為了找到數據金礦。

1、自動翻譯機可以直接翻譯普通話甚至是方言；

2、無人飛機可以同時上百架飛行，並被一台機器控制；

3、機器已經可以分析人類的表情，是高興還是憂傷；

4、計算機下圍棋、看B超圖識別腫瘤、人臉識別........

本期，我們拆解由會員張欣禹推薦並引讀的書籍---《終極演算法》。

這些高科技的背後，是「演算法」的功勞，《終極演算法》能把深奧的理論表達成能讓普通人大致看懂的內容。本書作者先設計了一個「套路」，先拋出一個「是否存在一種終極演算法」的問題，然後一章一章地回顧機器學習發展史上的重要流派和代表演算法，每回顧一派，就鼓勵讀者思考終極演算法應該如何借鑒此類演算法的優點。共寫了五個流派，分別是

符號學派：核心理念是所有跟智力相關的工作都可以歸結為對符號的操作。

符號學派用準確度或者信息增益來判斷一個模型的優劣程度，然後利用逆向演繹來進行模型的優化。（註：優化是一種演算法，即尋找最高得分的模型，並回歸它）

聯結學派：學習是人類大腦的事，該學派的主要演算法是對大腦進行逆向演繹。

聯結學派利用的是連續誤差測量來評判一個模型的優劣，例如使用平方誤差，這是預期值與真實值之間差異的平方的總和。然後利用梯度下降來優化模型。

進化學派：學習源於自然選擇，如果自然選擇造就我們，那麼它就可以造就一切。我們要做的就是在計算機上對它進行模仿。

進化學派主要利用評分函數，來判斷一個模型的優劣程度。然後利用遺傳搜索，包括交叉和突變，來優化模型。

貝葉斯學派：關注的問題是不確定性，解決的辦法就是運用概率推理，而主演算法就是貝葉斯定理及其衍生定理。

貝葉斯學派利用後驗概率來判斷模型的優劣。在優化模型方面，貝葉斯學派不只是找尋最好的模型，而是尋找所有模型的平均值，由它們的可能程度來權衡。為了進行有效加權，貝葉斯學派利用諸如MCMC（馬爾科夫鏈蒙特卡洛理論）之類的推理演算法。

類推學派：學習的關鍵就是要在不同場景中認識到相似性，然後由此推導出其他相似性。

類推學派中使用支持向量機的，是利用邊界來判斷一個模型的優劣。然後利用約束優化條件來找到最佳模型。

◆符號學派

什麼是人工智慧技術？

以前需要人才能幹的活，現在可以用機器做了。這種非編程實現的機器能力，就可以認為是人工智慧技術。

第一個例子

電腦寫作。它通過深度神經網路來學習人類寫出來的文字。

第一句很是得人心：「每個人，閉上眼睛的時候，才能真正面對光明」。

模擬莎士比亞名著寫作。AI寫出來的內容，無論是排版，人名的變化，基本語意等都和莎士比亞原著很難區分。

AI能寫作，那麼能看圖說話嗎？

你給它一張左邊的圖，它就會告訴你說這是一隻黑白貓站在了浴室的洗手池上。

你給它右邊的圖，它就會告訴你說有一個年輕人在玩滑板。

AI是如何做到？它會首先識別出來圖片里的物體，然後再根據這些物體去給你整理出來一個描述。

再看有一些挑戰的圖片。

左邊這張圖，AI會說這是一架飛機停在機場。

右邊這張圖，AI說這是一群人站在沙灘上。

基本上我們不能說AI是錯的，因為圖片裡面的東西大概也是這麼個意思，但是同時也看得出來，它還是只能做出非常初級的描述！

言歸正傳，什麼是符號學派？

認為人工智慧源於數學邏輯，數學邏輯從19世紀末起得以迅速發展，到20世紀30年代開始用於描述智能行為。計算機出現後，又再計算機上實現了邏輯演繹系統。其有代表性的成果為啟發式程序LT邏輯理論家，證明了38條數學定理，表明了可以應用計算機研究人的思維多成，模擬人類智能活動。

正是這些符號主義者，早在1956年首先採用「人工智慧」這個術語。後來又發展了啟發式演算法->專家系統->知識工程理論與技術，並在20世紀80年代取得很大發展。

符號主義曾長期一枝獨秀，為人工智慧的發展作出重要貢獻，尤其是專家系統的成功開發與應用，為人工智慧走向工程應用和實現理論聯繫實際具有特別重要的意義。

在人工智慧的其他學派出現之後，符號主義仍然是人工智慧的主流派別。

這個學派的代表任務有紐厄爾(Newell)、西蒙(Simon)和尼爾遜(Nilsson)等。

到20世紀30年代開始用於描述智能行為。計算機出現之後，又在計算機上實現了邏輯演繹系統。

說直白一點，是要建模型公式，並用其推理預測，下面有個小例子「約不約」

如果某位男士想追求一名傾心的女生，已經有過幾次約會記錄，但並不是次次都成功，他面臨一個不知所措的局面，繼續約不約，怎麼約？

當然，影響能否約會成功的因素：周末與非周末、吃飯或泡吧、天氣冷或暖、電視節目好看或不好看，也就是有2*2*2*2=16種可能性，導致她說「yes」 or 「no」的不同結果。

這就需要策略，需要一棵樹，一棵決策樹。

根據這棵樹的結果，歸納推導，今天是個周末，電視節目不好看，約！

看似符號學派比較管用，但聯結學對符號學派不滿，根據他們的觀點，能通過邏輯規則定義的概念僅僅是冰山一角，表面之下還有很多的東西是推理無法完成的。

那，聯結學派又是如何讓大腦學習的？下期，我們繼續關注，張欣禹同學的引讀。