知命之年写命运(四)

谈谈人工智能机器学习

人工智能分为广义人工智能,狭义人工智能,在目前科学技术条件下不存在为广义上人工智能。我们所谈的人工智能只是狭义上的人工智能,就是机器学习。机器学习不是讲机器有思想,它能够学了某个技能。机器学习就是用数据建立一个模型,统计数据对新数据做出预言。输入数据越多,数据维度越多,模型能做出的预言越准确,就象机器在学习一样。

上次我讲到大数据应用的短板,现实场景数据收集失真等等,但在数据基础比较好的领域,机器学习人工智能能够做出让人不可思议的预测判断。前些日子,帮老婆科室设计简易版本的产妇门诊智能贴心服务excel表,深切感受到许多行业都存在对现有数据没有进行挖掘,从上面派来的信息系统很多,基层人员忙于各种重复低效劳动,通用信息系统系统能够解决各级工作疼点刚需的并不多。通过简单的产科门诊数据整合,就提供了按时复诊跟踪提醒,工作强度合理调配,住院部未来产妇预测,产妇地域分布分析,产后康复支持等等。如果能够全面系统分析定制信息系统,甚至可以帮助医生进行许多辅助工作,补遗漏失误,防范医疗风险,这里就不展开讲了,能做的事很多,系统工程没有顶层设计好多方面踏踏实实工作做不好这些。这还只是利用老的办法对数据进行分析挖掘。现在的人工智能(机器学习)先进很多很多,模式都不同,我们老的数据分析是线性因果分析,现在的机器学习是模型预测。底层逻辑都不同,比方:我们讲明天太阳从东方升起,老的逻辑架构是归纳总结后确定性关系,因为我们历史经验知道太阳总是从东方升起,所以我们认为明天太阳从东方升起。机器学习逻辑架构是统计基础上的贝叶斯公式,根据历史资料确定明天太阳从东方升起的概率,表达的是不确定的关系。后者逻辑可能更接近真相,不要妄自尊大,人类只是罗素讲的火鸡而已。

讲个机器学习实例,据说有人利用Python编程语言,和亚马孙云服务器上泰坦尼克号乘客公开数据,建一个机器学习模型,模型对乘客的生还的判断准确率高达97%。

预测程序具体实施步骤我简单抄一下,其实我不懂Python,我的电脑程序思维模式从技术角度看已经淘退了,但是数据分析挖掘实际应用还有许多可以做的事情,电脑永远是工具,工具而已。

1.把所有数据分成两组,一组用于训练,一组用于检验;

2. 数据都是数组,其中包括你想要预测的目标信息(是否存活),以及可能影响这个目标的各种信息;

3. 选择几个你认为最有可能影响目标的信息(舱位、性别、年龄、票价);

4. 选择一个机器学习算法(“决策树”);

5. 把目标和可能影响目标的几个信息作为数组变量输入算法,训练得到一个预测模型。这种模型预测准确率高达97%。

从过程中我们可以看到,还是人的思维影响电脑程序,导向性的训练数据会影响预测结果。我坚信人工智能确实会在某些方面比人类强N个量级能力,更多比人强很多的能力会被开发出来,但是担心人工智能抢人的大量工作岗位有点夸大其词,有些岗位确实会被机器智能替代,更多的是我们工作在人工智能帮助下更加出色,比方我们现在开车不需记路,但是需要学习使用导航;甚至我们今后可以不学习开车,但是我们会要学习更多的新东西,机器都会学习了,我们人更要学习,老年人也不例外。

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180901G0K2R200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券