专栏首页AI科技大本营的专栏人工智能与大学数学是“近亲”

人工智能与大学数学是“近亲”

作者 | 赛氪考研

整理 | AI科技大本营(rgznai100)

人工智能,作为计算机科学的一个分支,在过去的几年实现了爆炸式发展。2016年Google DeepMind的AlphaGo打败了韩国的围棋大师李世石九段,让人工智能赢得了前所未有的关注。

人工智能的发展,主要得意于三个方面:

  • GPU的发展使并行计算变得速度更快、成本更低、性能更强大;
  • 深度学习算法大大提升了人工智能在语音、图像处理等应用层面的准确度;
  • 与此同时,存储设备的容量变得越来越大,而我们正获得海量数据(即大数据的发展),无论是图片、文字、交易信息,还是地图数据。

我们对人工智能的认识或许还停留在一则刷屏的重磅新闻上,自认为人工智能离自己的专业非常遥远,熟不知它就在我们身边。今天的这篇文章主要跟大家讲述人工智能与大学数学(高等数学、线性代数、概率论与数理统计)间密不可分的关系。

人工智能——为机器赋予人的智能

人工智能分为“强人工智能”和“弱人工智能”。强人工智能是指,机器有着我们所有的感知(甚至比我们更多)、智慧和理性,可以像我们一样思考;这是人工智能的终极目标,可惜的是,目前我们只能在电影中看到,像星球大战中的C-3PO(一个神经质的、多愁善感的礼仪机器人)。

我们目前能实现的,一般被称为“弱人工智能”。弱人工智能是能够与人一样,甚至比人更好地执行特定任务的技术。 例如,Pinterest上的图像分类;或者Facebook的人脸识别。这些是弱人工智能在实践中的例子。这些技术实现的是人类智能的一些具体的局部。但它们是如何实现的?这种智能是从何而来?这就带我们来到同心圆的里面一层,机器学习。

机器学习—— 一种实现人工智能的方法

机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同,机器学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。

机器学习直接来源于早期的人工智能领域。传统算法包括决策树学习、推导逻辑规划、聚类、强化学习和贝叶斯网络等等。机器学习最成功的应用领域是计算机视觉,虽然也还是需要大量的手工编码来完成工作。人们需要手工编写分类器、边缘检测滤波器,以便让程序能识别物体 从哪里开始,到哪里结束;写形状检测程序来判断检测对象是不是有八条边;写分类器来识别字母“ST-O-P”。使用以上这些手工编写的分类器,人们总算可以开发算法来感知图像,判断图像是不是一个停止标志牌。

这个结果还算不错,但并不是那种能让人为之一振的成功,直至深度学习的出现。深度学习的本质还是人工神经网络,但它使得机器学习能够实现众多的应用,并拓展了人工智能的领域范围,并摧枯拉朽般地实现了各种任务,使得似乎所有的机器辅助功能都变为可能。

说到这里,大家可能会想,上述内容与大学数学有什么关系呢?客官,莫急,接下来我们来揭晓答案~

大学数学—— 机器学习理论至关重要的基础

机器学习理论是与统计学、概率论、计算机科学、算法等方面交叉的领域,它产生于从数据出发的学习迭代,试图找出用于开发智能应用的隐藏的洞见。接下来我将为大家说明成为一名机器学习科学家/工程师需要的最低程度的数学,以及每个数学概念的重要性。

1. 线性代数(35%)

Skyler Speakman曾说:“线性代数是21世纪的数学”,我完全赞同该论述。在机器学习领域,线性代数无处不在。主成分分析(PCA)、奇异值分解(SVD)、特征分解、LU分解、QR分解、对称矩阵、正交化&标准正交化、矩阵运算、投射、特征值&特征向量、向量空间和规范等这些概念对理解机器学习的优化方法都是必须的。

2. 概率论与数理统计(25%)

机器学习和数理统计并不是完全不同的领域。事实上,最近有人把机器学习定义为“在Mac上做数理统计”。机器学习需要的数理统计基础和概率论知识包括组合数学、概率规则&公理、贝叶斯定理、随机变量、方差和均值、条件和联合分别、标准分布(伯努利、二项、多项、统一和高斯)、矩母函数、最大似然估计(MLE)、先验和后验、最大后验估计(MAP)和采样方法。

3. 多元微积分(15%)

必要的概念包括微积分、偏导数、向量函数、方向梯度、Hessian、Jacobian、Laplacian和Lagragian分布。

大学期间,我们学习的数学课程涵盖了机器学习75%-85%的理论基础。什么?大学数学原来这么有用!试想一下,我们与人工智能的距离还是我们之前想象的那么遥远吗。目前越来越多的院校开设了人工智能必修课或者选修课,如果将“人工智能”作为一门课程,那么其与大学数学这门课程,算不算近亲呢?

难怪Facebook人工智能研究院院长、深度学习大牛Yann LeCun认为“要研究机器学习,本科应尽量多学数学课程”。

本文分享自微信公众号 - AI科技大本营(rgznai100),作者:赛氪考研

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2017-07-14

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 一周看 AI | TensorFlow1.2.0版发布,美国2.58亿启动E级超算研发

    hello,大家好,我是依然熬周末为大家写总结的小ai妹。我们来简单回顾下这周有哪些热门事件。 TensorFlow1.2.0版发布,新增14大新功能,热不热?...

    AI科技大本营
  • 一周AI看点 | 扎克伯格认为马斯克AI威胁论极不负责任,微软SynNet两步打造可迁移学习的机器阅读理解系统

    本期一周AI看点包括:技术前沿,行业,观点,应用以及投融资等方面。 技术前沿 CCAI 2017 | 香港科技大学计算机系主任杨强:论深度学习的迁移模型 在7月...

    AI科技大本营
  • 在商业中,如何与人工智能建立共生关系?

    如今这个时代,不管是有意还是不经意,我们都在接触或使用人工智能。在我们的日常生活和商业实践中,各种在线的设备、云计算和边缘计算以及各种API 将人工智能带入了实...

    AI科技大本营
  • 关于人工智能的七大常见误解与七个真相!

    如果你是商界英才(而不是数据科学家或者机器学习专家),你也许对主流媒体宣传的人工智能(artificial intelligence,AI)已经耳熟能详了。你在...

    小莹莹
  • 关于人工智能的七大常见误解

    大数据文摘
  • 机器学习和深度学习概念入门(上)

    目 录 1人工智能、机器学习、深度学习三者关系 2什么是人工智能 3什么是机器学习 4机器学习之监督学习 5机器学习之非监督学习 6机器学习之半监督学习 7机...

    企鹅号小编
  • 人工智能和机器学习有何不同

    在过去几年中,人工智能和机器学习这两个术语已经开始在技术新闻和网站中频繁出现。通常这两者被用作同义词,但许多专家认为它们具有微妙但真正的差异。

    首席架构师智库
  • 人工智能与机器学习:两者有何不同?

    在过去几年,人工智能和机器学习频繁出现在技术新闻和各种网站上。两者常常被用作同义词,但许多专家认为它们存在微妙且重大的区别。 当然,专家们自己有时对于那些区别到...

    CDA数据分析师
  • 机器学习工程师正在失业,但学习依旧是唯一的出路

    一些猜测认为投资者终将对人工智能失去希望。谷歌已经冻结机器学习研究人员的招聘,Uber已经裁掉了他们一半的人工智能研究团队……

    大数据文摘
  • 什么是人工智能?人工智能、机器学习、深度学习三者之间有什么关系吗?

    说起人工智能,我们总能听到一些其他的关键词,例如:机器学习、深度学习、数据挖掘、数据分析等等。那么到底什么是人工智能?人工智能又与这些词有什么直接或间接的关系呢...

    week

扫码关注云+社区

领取腾讯云代金券