科普:机器学习是什么,机器到底如何学习
novakon2015/12/23软件综合 IP:广东
要想实现人工智能,必须要求机器能够学习。但是机器学习的理论实在太难懂了,大家都纷纷表示理解困难。然而,人工智能的发展是未来的必然趋势,所以在此科普,希望大家都跟上,不要落后。


机器学习的一种方式,叫做人工神经网络。我就讲讲这个神经网络。
有一只蚯蚓,它面前有一条路,路的左右两侧分别是两堵墙,一堵是黑色的,一堵是白色的。白色的墙带电,碰到就把蚯蚓电死了。
这只蚯蚓的皮肤表面,有两个光线传感器,一左一右。这种传感器,看到黑色,输出0,看到白色,输出1,看到灰色,输出0.5。我们把左传感器的输出称为SL,右传感器的输出称为SR。
这只蚯蚓脑子里面有两个可以修改的数字(变量),一个叫左神经元,一个叫右神经元,分别称为GL和GR,取值范围是-1到+1之间。
这只蚯蚓在前进的过程中,可以向左偏或者向右偏,我们把这个称为蚯蚓的决定,称为D。决定的取值范围是-1到+1,代表从左到右,取值为0就表示走中间。
我们现在定义:D = SL * GL + SR * GR
上式表示蚯蚓的决定,是通过将光线传感器的输出,分别乘以一个神经元变量,再加到一起得到的。
假设GL = -1,GR = +1,当SL = 1、SR = 0(左边的墙白色,右边的墙黑色)的时候,D = -1,表示往左走。显然,蚯蚓就电死了。


假设GL = +1,GR = -1,  当SL = 1、SR = 0(左边的墙白色,右边的墙黑色)的时候,D= 1,表示往右走。蚯蚓就活了下来。
假设GL = +1,GR = -1,  当SL = 0、SR = 1(左边的墙黑色,右边的墙白色)的时候,D= -1,表示往左走。虽然调换了墙壁的亮度,但蚯蚓还是活了下来。
而且通过代入不同的亮度值我们还发现,即便某一边的墙不是白色,但只要该边的墙比另一边的墙亮度更高,蚯蚓依然会偏向另一边走,以增大存活几率。说明我们这个神经网络还有普遍适应性,就算传感器上有灰尘也能正常工作。


综上所述,通过合理设定GL和GR的值,我们就可以让一个有两个神经元的神经网络,通过简单的四则运算,让一条机器蚯蚓获得了自动避开白色墙壁的能力。讲到这里,有的人问,这个值是你设定的,不是蚯蚓自己学习的呀!说的没错,有的复杂的系统,神经元可能有数十万个,连接错综复杂,运算规则也可能各不相同,如果我不使用机器学习的方法,仅靠手动指定根本没办法确定每个神经元的取值。
下面我就来演示一种最简单的学习方法。
我制造了1000条蚯蚓,每条蚯蚓的GL和GR都是从-1到+1之间的一个随机数。然后我把这些蚯蚓,放到两个墙壁之间,让他们自己去走,最后肯定有一些蚯蚓电死了,有一些蚯蚓活下来;有一些蚯蚓迅速,有一些蚯蚓迟钝。我就把那些迅速冲向一边、而且没被电死的蚯蚓,全抓出来,统计之后发现他们的神经元取值,都非常靠近(GL = +1, GR = -1)。这样一来我就可以决定GL和GR的值了。这就是机器学习:GL和GR的取值是待解决的问题,1000条蚯蚓和他们的最终结局是训练样例,带电的白墙是用来产生训练样例的现实过程。其中的魅力在于:我并不需要知道白墙和黑墙到底哪个带电,一样可以训练出自动求生的蚯蚓!换言之,机器学习是通过经验积累,而不是逻辑判断的方式来解决问题。通过重复的操作实现经验的积累,其实就是学习的本质;人工智能是这样,人脑其实也是这样的。如果我们能模拟人脑那么多的神经元,并且将一个人几十年的生活经验作为训练样例,我们就能够获得一颗具有人类智慧的大脑。
来自:计算机科学 / 软件综合
8
已屏蔽 原因:{{ notice.reason }}已屏蔽
{{notice.noticeContent}}
~~空空如也
novakon 作者
8年4个月前 IP:广东
801777
讲完这么多,聪明的同学已经看出让人工智能靠近人脑所面临的几大问题了。
1. 用计算机模拟10亿个神经元的活动非常困难。(训练困难)
2. 没有办法把一个人几十年的生活过程记录下来用做训练样例;即便记录下来,产生的人工智能也仅仅具有这个人的思考能力而已。(优质样例获取困难)


实际上,人类今天所具有的各种求生本能,以及高级思考能力,是数十万年来靠无数代的变异和自然选择淘汰得到的。这个过程很像机器蚯蚓的训练过程:不合格的蚯蚓只有死路一条,留下的自然是合格的。这意味着具有人类思考能力的人工智能,离我们还比较遥远。不过幸运的是,在人工智能的应用过程中,往往并不需要人类的所有本能和所有思考能力,而往往只需要人类的非常小的某一部分神经所实现的能力(例如图像辨识和语言组织能力)。也就是说,实用的人工智能,其能力介于传统计算机和人类之间:既可以像人类那样通过经验解决一些规则和原理不明确的问题,同时又具有计算机的速度和准确度优势。在未来的十五到三十年,这样的人工智能会取代大量的知识性、经验性但非创造性的工作,比如代替网友去淘宝刷好评,比如代替公安翻看视频监控(这个已经实现了,现在可以自动识别套牌),比如代替作者和读者交流文学作品(韩寒很需要)。
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
20!Dopaminor
8年4个月前 IP:广东
801790
神经结构影响思考效率,还有一些取巧的设计影响某些高级条件反射吧
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
novakon作者
8年4个月前 IP:广东
801805
提高神经网络的能力,可以分解成提高速度和提高容量。提高速度可以通过硬件性能上的提升、算法的优化实现;容量则分为两个方面,一个是承载神经网络的系统的容量(内存大小),一个是对网络进行训练的样本容量。没有足够的样本,难以得到好的训练结果(一如没有足够的蚯蚓,难以积累求生的经验)。当适用于机器学习的软硬件平台成熟普及之后,数据就成了追逐的对象,因为人工智能源于数据。请阅读下一篇“再论职业的未来” https://www.kechuang.org/t/78339
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
acmilan
8年4个月前 修改于 8年3个月前 IP:四川
803122
。。。
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
随天
8年4个月前 IP:广东
803577
顶楼主,蚯蚓的比例很适合
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
hackerboygn
8年4个月前 IP:湖北
803679
我一直以为机器学习就是一系列曲线拟合的机器实现,感谢楼主科普
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
acmilan
8年3个月前 IP:四川
803856
这或许应该被称为数据自动建模算法,即通过大量数据的训练自动建立反射模型。
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论
华蓥
8年3个月前 IP:广东
804660
引用 hackerboygn:
我一直以为机器学习就是一系列曲线拟合的机器实现,感谢楼主科普
我觉得你可能是给一篇文章害了
引用
评论
加载评论中,请稍候...
200字以内,仅用于支线交流,主线讨论请采用回复功能。
折叠评论

想参与大家的讨论?现在就 登录 或者 注册

所属专业
所属分类
上级专业
同级专业
novakon
学者 机友 笔友
文章
1256
回复
8385
学术分
16
2008/03/29注册,2年3个月前活动

已走,勿送

主体类型:个人
所属领域:无
认证方式:手机号
IP归属地:未同步
文件下载
加载中...
{{errorInfo}}
{{downloadWarning}}
你在 {{downloadTime}} 下载过当前文件。
文件名称:{{resource.defaultFile.name}}
下载次数:{{resource.hits}}
上传用户:{{uploader.username}}
所需积分:{{costScores}},{{holdScores}}下载当前附件免费{{description}}
积分不足,去充值
文件已丢失

当前账号的附件下载数量限制如下:
时段 个数
{{f.startingTime}}点 - {{f.endTime}}点 {{f.fileCount}}
视频暂不能访问,请登录试试
仅供内部学术交流或培训使用,请先保存到本地。本内容不代表科创观点,未经原作者同意,请勿转载。
音频暂不能访问,请登录试试
支持的图片格式:jpg, jpeg, png
插入公式
评论控制
加载中...
文号:{{pid}}
投诉或举报
加载中...
{{tip}}
请选择违规类型:
{{reason.type}}

空空如也

加载中...
详情
详情
推送到专栏从专栏移除
设为匿名取消匿名
查看作者
回复
只看作者
加入收藏取消收藏
收藏
取消收藏
折叠回复
置顶取消置顶
评学术分
鼓励
设为精选取消精选
管理提醒
编辑
通过审核
评论控制
退修或删除
历史版本
违规记录
投诉或举报
加入黑名单移除黑名单
查看IP
{{format('YYYY/MM/DD HH:mm:ss', toc)}}