【给 iOS 开发者】人工智能在 iOS 开发上的应用和机会

正文

请到「今天看啥」查看全文

而所谓的人工智能，就是机器自己定义方法。人工智能的实现方法有很多，比如可以让机器来模拟大脑，然后像人一样思考，从而定义方法。 机器学习只是另一种实现人工智能的方法，就是由大数据定义方法 。假如牛顿时期就有机器学习，它得出自由落体速度的过程是这样的：

1. 收集尽可能多的自由落体实验数据。假如收集到的数据如下

负责人	速度 (m/s)	时间 (s)
伽利略	9.8	1
牛顿	19.6	2
达芬奇	29.4	3
亚里士多德	30	4

2. 分析数据。 机器学习会分析出，亚里士多德的数据有误不予采纳。其他三人的数据满足同一规律。

   
   

3. 定义方法。 根据上面数据，机器学习得出结论，速度 = 时间 * 9.8。

随着数据收集得越多，机器学习得到的结论就越准确。其实人类学习的过程也十分类似：书上有大量的知识（加工的数据），我们看了之后进行理解思考，然后得出自己的结论。

开普勒就是个著名的人肉的机器学习实践者：他前半辈子看星星，把观测到的数据记录下来；后半辈子用自己的逻辑和理解分析这些数据；最后得出行星运动的开普勒-牛顿模型。然后用这个模型去预测其他行星运转，同时新的数据用来修正模型的参数，使之逼近完美。

那么数据和人相比有什么优势呢？我认为是更快更准确。人在定义方法时，总是需要对该方法的前后因果、逻辑关系、各种情况都要求考虑周全，这有时需要花费很多时间去研究论证，而且忽略某些极端情况也时有发生，导致定义漏洞百出。而数据在互联网时代，获取的成本是很低的。在这样情况下，大量数据的轻易获得会使得方法定义越来越快；同时现实中数据涵盖的情况之广，也使得依次定义的方法更加准确。

吴君博士在《智能时代》一书中对大数据的优势进行了以下总结：“在无法确定因果关系时，数据为我们提供了解决问题的新方法，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以取代原来的因果关系，帮助我们得到想要的答案，这便是大数据的核心。”

我们回到上文牛顿自由落体速度的实验中去。实际上，机器学习拿到的实验数据，可能是以下的记载：

9月15日的夜晚，小雨微风。伽利略在比萨斜塔上扔下了1颗铅球，质量为4kg，初始速度为0，到达地面时间为6s多。

这个数据样本中有很多特征，时间、空气湿润度、风力、比萨斜塔的高度、铅球质量、初始速度、到达地面时间等等。那么自由落体速度到底跟哪些特征相关？如果让机器自己去分析，这就叫做 无监督学习 。如果我们告诉机器，不要 care 质量和时间，重点观测时间，这就叫做 监督学习 。后者在于借鉴了人类的智慧，这样机器学习就有了大致的方向。

至此，机器学习依然难以称得上“智能” -- 它无非是更快更准确的得出答案而已。如果仅仅如此，AlphaGo 就算将所有九段棋手的对弈研究透彻（这些对弈的输赢已定，相当于人为标注走法好坏，故为监督学习），水平也就十段而已，于九段相比，也就是略胜一筹，发挥更稳定一点。然而事实是，AlphaGo 的棋力要远胜人类最高水平。

请到「今天看啥」查看全文