这是我参与11月更文挑战的第3天，活动详情查看：2021最后一次更文挑战
前言
目前 AI 的研究热度居高不下，它的新起给各行各业掀起了一场来自人工智能领域的革命，这一场来自 AI 的支配，作为普通程序员也应该对这些领域有些了解，因此，就有了本系列的机器学习之旅。
一、人工智能
1.1 什么是人工智能
目前的人工智能处于弱人工智能的阶段。人工智能就是让机器具备人的思维去思考，当面临信的数据的适合能够预测分析数据。
常见的生活案例有：
- 车牌识别，人脸识别、自动驾驶
- 情感分类，机器翻译，人机互动
- 智能机器人，AiphaGO
维基百科：
人工智能，亦称智机器智能，值由人制造出来的机器所表现出来的智能。
人工智能的核心问题包括建构能够跟人类相似甚至超卓的推理、知识、规划、学习、交流、感知、移物、使用工具和操控机械的能力等。
AI = Artificial Intelligence = 机器对人类智能的模仿。
简要概括：人工智能本质，是机器对人的思维或行为过程的模拟，让它能像人一样思考或行动。
根据输入信息进行模型结构，权重更新，实现最终优化。
- 输入 >> 处理 >> 输出
1.2 发展阶段
1.2.1 强人工智能
-
机器有真正推理和解决复杂问题的能力，有自主意识
-
机器综合思考的能力已经达到甚至超越人类
-
并不是当前 AI 所处阶段
- 无法预估强人工智能还有多远
1.2.2 弱人工智能
- 机器不具备真正推理和解决复杂问题的能力，无自主意识
- 机器基于某种特征可解决部分问题，成为一个强有力工具
1.3 人工智能实现方法
1.3.1 符号学习
基于逻辑与规则的学习方法，其原理主要为物理符号系统（即符号操作系统）假设和有限合理性原理 专家系统：
- 根据既定的逻辑和顺序告诉机器接下来做什么
- 遵循 if then 原则
- 不能根据新场景动态地优化认知（升级模型）
1.3.2 机器学习
从数据中寻找规律、建立关系，根据建立的关系去解决问题的方法。
- 从数据中学习并且实现自我优化与升级
- 当前主流的 AI 学习方法
AI 未来：符号学习 + 机器学习。
- 符号学习具备逻辑性
- 机器学习需要样本数据
1.3.3 机器学习与深度学习的关系？
- 机器学习哦是一种实现人工智能的方法
- 深度学习是一种实现机器学习的技术
机器学习：使用算法来解析数据，从中学习，然后对真实世界的事件做出决策和预测。比如垃圾邮件检测，房价预测
深度学习：模仿人类神经网络，建立模型，进行数据分析。比如 人脸识别、语义理解，无人驾驶。
二、机器学习
2.1 机器学习介绍
2.1.1 概述
什么是机器学习？
机器学习是一种实现人工智能的方法，从数据中寻找规律、建立关系、根据建立的关系去解决问题。
例如：
小明 1 月工资 1000 ，每月增长 10% ，第 10 月是多少？
数学里面可以有： F（x）：y=y0 + 1.1 ^ x = 1000 + 1.1 ^ 10
而机器学习里面，就是通过具体的月份、工资等数据， 从而计算出这个 F（x）的函数关系
2.1.2 机器学习应用场景
- 数据挖掘：
- 计算机视觉
- 自然语言处理
- 证券分析
- 医学诊断
- 机器人
- DNA 测序
机器学习是实现 人工智能的主流方法。
2.1.3 实现基本框架
将训练数据喂给计算机，计算机自动求解数据关系，在新的数据上做出预测或给出建议。
2.1.4 机器学习类别
-
监督学习：训练数据包括正确的结果
- 应用场景：人脸识别、语言翻译、医学诊断，目前比较 主流，占比 80% 左右。
-
无监督学习：训练数据不包括正确的结果
- 应用场景：新闻聚类
-
半监督学习：训练数据包括少量正确的结果
-
强化学习：根据每次结果收获的奖惩（反馈）进行学习，实现优化。
- 程序初始化，根据执行效果给与奖励与惩罚分数，逐步找到获取高分的方法
- 应用场景：强化督学习
