学习

定义

用于解决一般系统问题, 求解y = f(x)中f的过程.
其中x为输入, y为输出.
其实就是调整每个神经元参数的过程.

过程

简单可以分为3步:

1. 建立基本规则, 定律, 假设, 无条件的相信, 同时相信自己可以学会.
2. 监督学习
   给定已知的不同的x,y, 让你的大脑为两者建立连接.
3. 自我学习
   给定x, 试图获取y, 自我验证y是否正确.

要点

1. 相关性
   x, y必须是高度相关的, 给定x, 能够得到有限的y, y可能的个数越多, 随机性越强, 相关性越低. (此类系统不是一般系统, 需要用聚合统计的方法)
   像直线 x = 1 这类的就是没有相关性的.
   像彩票/骰子就是没有相关性的.
   当多个x对应一个y时候, 就是常见的归纳法. (这种应用非常广, 但是要注意x的数量, 太多也不好)
   像所有不一样的狗我们都叫做狗.
   像当你看到 :) 的时候 你看到的是一个笑脸.
   这都是归纳, 或者说模式匹配的结果.
2. 正确性
   如果观察x,y是不相关的, 但是却被纳入了学习过程, 会影响后续的学习. 可能会得不到最优解或者得到的是局部最优解. (危害很大, 所以说小心朋友圈里发的信息)
3. 正反馈
   对于正确的x,y要给与刺激或者奖励, 用以强化f.

实践

案例可以查看<最强大脑>, 去掉纯粹靠记忆的不算. 大部分我们认为是超能力的其实我们是可以习得的.
比如:

1. 学习肉眼识别二维码, 条形码
2. 学习通过吹气辨认前方物体
   你相信你能学会吗?

相关阅读

从AlphaGo的进步借鉴学习新技能的过程