TensorFlow从0到1丨第3篇:人类学习的启示

上一篇TensorFlow的内核基础介绍了TF Core中的基本构造块,在介绍其强大的API之前,我们需要先明了TF所要解决的核心问题:机器学习。

什么是机器学习?

图1.美索不达米亚文明

公元前4000年,在现今的伊拉克境内,有过世界最早的文明中心之一美索不达米亚(Mesopotamia)。那里的苏美尔人根据观察,发现月亮每隔28、29天就完成从新月到满月再回到新月的周期,而且每过12、13个这样的周期,太阳就回到了原来的位置,据此发明了太阴历。从此,他们具有了预测日食和月食的能力,具有了安排农时的能力。

托勒密的地心说

图2.地心说

公元2世纪,托勒密提出了“地心说”。托勒密基于过去上百年来的天文观察数据,用最基本的、无法再简化的原型(圆形)对行星运行轨道进行了建模,该模型在一定情况下是准确的,并可以用于预测。

现代人回头看或许对此相当不以为然,可在当时的天文学界这算的上是最伟大的文明成就,直到14个世纪后才被哥白尼的“日心说”推翻。吴军在其《智能时代》一书中,如此形容其发明者克罗狄斯·托勒密:

“在我看来,托勒密在近代之前是当之无愧的最伟大的天文学家,没有之一”。

之所以托勒密有如此高的地位,并不完全是因为地心说,而是他的思维方式和方法论(影响了西方世界一千多年),简单概括就是:“通过观察获得数学模型的雏形,然后利用数据来细化模型”。直到今天这种朴素的方法论依然管用。

人类的学习

图3.人类的学习

前面两个例子揭示了人类学习的一般规律,而文明的形成过程就是上面这个过程的无数次的迭代。现在人类的知识库中积累了大量反应真实世界的模型,比如牛顿三大定律、万有引力、质能方程等,基于这些模型,就可以安排火箭发射,登月,建立粒子加速器。

机器学习

在过去,积累观测数据,动辄就是上百年,假设、调整并验证一个模型又是一个漫长的过程。而当今我们面临的是数据爆炸,全世界90%的数据,都是在最近几年产生的。如果能让机器根据大数据动态的发现、调整模型,直到得到一个稳定的、能代表真实世界规律的模型,那么人类就可以大大缩短找到规律的时间,并利用该模型改善自身环境。这就是基于大数据进行机器学习的思想。

休谟的问题

机器学习的挑战之一,就是数据的完备性。也就是说数据的收集只有量大还不够,如果不完备,就会得到错误的模型。经常听到的黑天鹅、罗素的归纳主义者火鸡、过拟合都是指向这个问题。

其实不仅机器学习会有这个问题,人也一样。《终极算法》一书中,有一个真实例子:

一个白人小女孩,在商场看到拉美裔婴儿时脱口而出:“看,妈妈,那是小女佣”。小女孩并非生下来就是偏执狂。那是因为在她短暂的人生阅历里,她对见过的仅仅几个拉美裔女佣进行了笼统的概况。

早在18世纪,最伟大的经验主义哲学家休谟就提出了这个经典问题:

在概括我们见过的东西以及没见过的东西时,怎样才能做到合理?

从某种意义上说,每种学习算法都在尝试回答这个问题。

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-08-13

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏新智元

【谷歌草绘RNN瞄准超级AI】源自壁画的飞跃,AI 学会归纳抽象概念

【新智元导读】人类自从开始在洞穴的岩壁上画出简单的草图,认知能力就产生了飞跃——归纳抽象的能力大大提高。现在,谷歌的 Magenta 项目也在致力于这一研究。名...

3029
来自专栏华章科技

冯·诺依曼:论数学

作者:冯·诺依曼(John Von Neumann,1903-1957)美籍匈牙利人,数学家。

653
来自专栏华章科技

投资版AlphaGo系统探讨

在AlphaGo战胜人类围棋顶尖高手之际,本文简单探讨了投资AlphaGo系统模块与训练数据以及可行性。并将其实现逻辑与郝伯特•西蒙过程理性算法比较。文章最后讨...

734
来自专栏华章科技

如何用数学知识提升情商?数学学霸们的6大思维习惯

引言:成为一名“数学学霸”显然不是一件轻松的工作,不仅需要“高智商”的支持,还一不小心就被套上了“情商低”“Nerd”的“帽子”。

401
来自专栏钱塘大数据

细思极恐!大数据和机器学习揭示十二星座的真实面目

作者:经管之家 “为什么我的论文总发表不了,是不是我天生就不是做研究的料?”很多同学在写论文中遇到挫折,经常会发出这样的疑问。那么今天我就用星座,真实的数据和“...

34312
来自专栏新智元

Science专访谷歌Magenta负责人:AI创作焦点是机器学习算法

【新智元导读】Science 专访了 Magenta 项目负责人 Douglas Eck ,谈到了谷歌大脑正在进行的包括 AI 音乐、绘画、笑话生成在内的多个项...

3347
来自专栏PPV课数据科学社区

为什么要学数学?因为这是一场战略性的投资

如果将数学学习的好坏仅仅理解为“刷题”的数量和速度,那充其量也只能成为一名熟练的数学工匠。我们所受的数学训练,所领会的数学思想和精神,所获得的数学教养,无时无刻...

2586
来自专栏杨熹的专栏

可以感受到风景,气息,声音和记忆的地图

丹尼爾•柯琪亞: 幸福地圖 可以感受到风景,气息,声音和记忆的地图 效率有时候也可能会成为一种桎梏,会让你错失很多美景 每天去工作的路程只意味着一件事: 最短路...

3256
来自专栏华章科技

细思极恐!大数据和机器学习揭示十二星座的真实面目

原文链接:http://bbs.pinggu.org/thread-5905227-1-1.html

661
来自专栏AlgorithmDog的专栏

动手写一个 DQN 的棋牌 AI

深度强化学习是学术界研制游戏 AI 的主流算法。这篇文章我们将用深度强化学习早期代表算法 DQN 算法探索棋牌 AI。

8939

扫描关注云+社区