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。