前言
本文試圖以最通俗的語言解釋機器學習的概念，讓讀者小白搭上時代的班車。
若有不當之處請指正。謝絕各路自媒體轉載、洗稿。
喬布斯：計算機就像一輛自行車
當喬布斯還是個孩子的時候，他讀了一項研究，有關測量了不同物種的運動效率。也就是說，研究人員希望找出哪種動物在1公里的行程中消耗更少的能量。禿鷹佔據了榜首，而人類的表現相當不起眼，排名在百分之三十左右。但後來有人想到了測試一個人騎自行車的運動效率。事實證明，騎自行車效率高於禿鷹。喬布斯意識到，人類與其他動物的不同之處在於人類能夠建立能夠讓我們變得更好的工具。
多年以後，當他開始使用計算機時，喬布斯提出了一句名言：“計算機就像一輛自行車”。今天，在蘋果公司成立四十年後，計算機確實大大擴展了我們的大腦容量。我們可以讓電腦幫我們儲存信息，完成複雜的數學運算，以及實現各種各樣的功能。計算機極大地拓展了人的智力。
然而，傳統計算機科學麵臨著一個難題。人類必須先向計算機解釋如何執行任務。也就是說，要想計算機幫我們辦事，首先我們自己要知道怎麼辦這件事。比如算乘法，我們要自己先會乘法，才能以編程的形式“教”給計算機。計算機學會後，可以比人類更快更好地執行操作。因此，計算機只能實現我們可以解釋如何執行的任務。
但是，如果我們想要完成的任務更復雜，複雜到人類都解決不了呢？
這時候，機器學習就出現了。它將解決這一問題。機器學習本質上還是程序，不同的是，這次是計算機教計算機自己，也就是計算機自學，只需要人類一點點的幫助。人類教計算機如何自學。
就像現實生活中一個從未成功的人，扔給你一本成功學，讓你自己摸索著走向人生巔峰。
顯然，打敗圍棋冠軍的阿爾法狗不是人類教出來的。
機器如何“自學”
由於自學的方式多種多樣，這裡重點聊一下原理比較簡單的——強化學習。
強化學習就像訓練小貓的過程。如果貓表現很好，你就獎勵它一塊小餅乾。如果貓幹了壞事，你就懲罰它。久而久之，貓就會遵守規矩，清楚哪些該做，哪些不該做。
用同樣的方式訓練計算機。讓計算機完成某個任務，根據結果給予反饋（獎勵或懲罰），計算機從這些反饋中學習，為下次更好地完成這個任務做準備。
比如讓電腦判斷一張照片裡的東西是不是蘋果。在此之前，先用幾千張不同水果的照片訓練。思考一下，我們人類是如何識別蘋果的？
一開始，電腦根本沒有“蘋果”這個概念。看著第一張榴蓮的照片，它胡亂蒙了個“是”。我們告訴它：答錯了。
第二張蘋果的照片，它又蒙了個“是”。我們告訴它：恭喜答對了。這時電腦分析了這張照片，對“蘋果”有個初步印象
···
經過n張照片的訓練，電腦已經發現了所謂的“蘋果”具有某些特徵：顏色是紅的，形狀近乎圓形等。當照片裡的東西具備這些特徵時，是蘋果的概率比較大。同時，他發現照片裡的東西具有另外一些特徵時，是蘋果的概率比較小。
至此，當出現一張新的照片時，電腦已經能相對準確地判斷是不是蘋果了。
機器學習和人工智能的區別
接下來談一下機器學習和人工智能的區別。你可能沒聽說過機器學習，但你應該聽說過人工智能。人工智能（artificial intelligence）,即擴展人的智能，讓機器可以跟人一樣擁有智慧。機器學習是實現人工智能的一種方式。
機器學習不僅是炒作的新技術，它已經落地很久了
你已經聽說過谷歌的阿爾法狗在圍棋領域把人類打得落花流水，其正是基於機器學習實現的。你可能不知道，機器學習已經滲透入人們的生活。打開搜索引擎時，機器學習根據你的每一次點擊優化搜索結果。網購時，機器學習根據瀏覽記錄給你推薦感興趣的商品。在將來，大街上可能充滿著自動駕駛的汽車。
各位看客有什麼想法呢？歡迎在評論區留言
閱讀更多 岑紳 的文章
