这张图是我目前整理的一个大概框架，图里好像还没把一些实际的应用写进来，以后会慢慢补上，一些落下的重要概念和算法也会慢慢补上。
(压缩了看不清，在后台回复“机器学习笔记”获取原PDF)
这个公众号应该就是拿来做笔记的，纸上读来终觉浅，写下来的话，我会强迫自己去理解这些概念并用自己的话加以表述，因为初衷是在相对高维的角度去理解整个AI知识体系，所以所有文章里应该都不会涉及到代码实战(也许以后会有吧：) )，需要看代码的可以自行查阅参考资料，每篇笔记都会将一些我觉得好理解的参考文章链接都放上来。
除此之外呢，公众号可能不定期地发一些互联网领域基本技术知识的科普，什么时候发什么就看心情吧。
适宜阅读人群：
对机器学习和人工智能领域感兴趣，又不想去查资料的兄弟
有一定技术功底，对人工智能领域感兴趣的兄弟
吃瓜群众
好了，废话说的差不多了，就开始第一篇吧。
从小看科幻世界长大，人工智能早在二十年前就是火热的科幻概念了，从毁灭人类的天网到大败人类棋手的alpha zero，电影/小说里的人工智能和我们现在将要讨论的人工智能有什么不同？
理想状态的人工智能和人类没有区别，从外形到思维，甚至在智商和身体结构上更优于人类，但其实现在的人工智能离发展到这一天还有着不短的时间。
回到主题，从我们现在所说的人工智能角度出发，以施瓦辛格饰演的机器人为例，我们可以把它的行为拆解为如下几个部分。
输入——由眼部的摄像头捕捉到外界的视频画面
处理——将捕捉到的视频画面逐帧处理，并对每一帧的内容（和声音）加以识别和“思考”（看到的图像中有哪些物体，这些物体是什么，是否有威胁，怎么对他们进行反馈）
输出——根据中央处理器处理的结果对眼前的画面进行相应的行为，比如微笑、射击、说话。
好了，我们已经了解了人工智能的基本原理，那就是“输入-处理-输出”。这其实也是人类所有行为（包括计算机等其他概念）的基本模型。
机器学习，是人工智能领域下的一个非常重要和主流的研究领域，它的基本思想也是“输入-处理-输出”。以下是比较热门的一些研究方向。
监督学习（Supervised Learning）
无监督学习（Unsupervised Learning）
半监督学习（Semi-Supervised Learning）
强化学习(Reinforcement learning)
迁移学习(Transfer Learning)
基于人工神经网络的深度学习(Deep learning)
元学习(Meta learning)
虽然在这里把它们分开写，但其实这些研究方向之间不少都有交叉，这一点会在之后的笔记中写到。
因为现在还没有几篇推送，所以我接入了微软小冰，关注了公众号又看不到文章的话，可以调戏一下小冰。微软小冰集合了不少主流的人工智能应用，从下篇文章开始就从微软小冰的功能开始讨论。
网友评论