机器学习

Why

Q:机器学习是为什么？为什么机器需要学习？

A:按照我的理解，控制机器的是人类，人类为了让机器更好的适应时代的需求，更新迭代的学习可以生产出更好的产品。所以与其说是机器在学习，不如说是人类给机器输入了信息，让机器有了被动的学习机会。那这个理解仅是停留在互联网还不发达的机器人工智能的开启之前。

那随着互联网的形成到机器人工智能的开启，我的理解就深度不够了。那就通过了对谈33那次的AI时代的学习以及今天战熊发的维基百科的机器学习中去寻找答案。随着科技发展，也是源于对人工智能的追求，科学家专门研究计算机通过人工神经网络构成动物脑，去模拟或实现人类学习行为，将信息从一个人工神经元传递到另一个人工神经元进行处理，获得知识或技能，不断改善深度学习快速完善成长，除了输入同时还有输出的过程，这就是人工智能的学习的核心。

例子：在对谈33中的麻将例子，就很好的讲明了为什么机器需要学习。因为只有通过模拟学习、深度学习，才能成更好的分析和模拟人类。

What

Q:什么是机器学习？

A:根据维基百科中的历史和其他领域的关系中得知，机器学习的初期是为了从根本上提供了便捷的操作性，而非认知性的定义。但随着人工智能的兴起，机器不再是停留在单一领域的归纳、收集、数据挖掘、优化、计算和统计了，而是可以通过神经元网络的连接形成可以像人一样曲线形的学习，并且因为机器可以更快的处理各种不同的信息组合，学习起来的速度就比之人类要快上还几倍。

打个比方：记得曾看过《最强大脑》中的一场人机对战，有好几次都是机器获胜，百度的人工智能领域也没几年，最强大脑中很多模块的选手都是十几年、有的甚至二、三十年的经验及训练的过程，短短2、3年的百度人工智能的参与，其学习速度之快，可见机器的数据处理肯定是有过人之处的。

How

Q：机器学会学习，对人类意味着什么？是利还是弊？

A：从第一次工业革命到AI人工智能带来第4次工业革命，生产力的巨变，也会导致结构的巨大变化，AI使生产力呈指数级上升。机器模仿人脑学习时，深度强化的学习，与之前几期的曲线形式走出了一条非常陡峭的快速上升的曲线。

人无远虑必有近忧，未来已来，如果我们还停留在原有的思维，没有长足的思考，那跟机器在一起时肯定是弊大于利的，因为操作上的茫然不知所措，就会轮落为社会的边缘地带。

如果我们人类通过借鉴机器学习的经验。和机器一样都在成长，机器就能成为人的工具。只有走出指数式学习曲线的人，才能和AI做朋友。

自我案例：好多年前当AI这个词还未出现时，我曾经的动画圈同事就跟我在一次动漫的展会上说虚拟现实，那时候是通过投影技术把虚拟的东西在现实中呈现，但是还是属于偏虚拟的，在现实中只是呈现出投影的映像技术，这么几年过去后，原先不是很成熟的技术，现在已经应用范围广泛，可见在这个时期的，科技发展很快，由于我有过一点了解，那我就会比较警觉，也知道要多学习，现在更知道要系统的学习，这样才能跟得上步伐，这就是利。但是如果我没有先前的一点点的了解，那么我对于虚拟现实，对于AI、对于物联网等等信息都是不知其原理的，那么我的无知肯定是会阻止我去认知去思考的。这就是弊。

Q：AI是怎么学习的？

A：四个模块可以解读

1、深度强化学习，AI不断运用人脑的运作机制，模仿人脑思考和学习的方式，不断强化神经网络。

2、决策流程和模型框架

AI靠模型来学习，基于人类输入的算法对机器做了基础的配置，模仿人脑学习。通过外部外部的大数据、信息输入不断训练自己的模型。

3、训练算法

通过最初的机器学习、反馈学习、教练模型，不断地练习、反馈再练习，逐步积累形成自己的经验。

4、学习曲线

AI人工智能的曲线是指数曲线，呈指数增长，这也是AI技术飞速发展的一个原因。

Q：AI在未来10年内会不会取代我的工作呢？为什么？

A：我对自己的工作进行了一个思考，在没有加入千熊时，我也认为未来的10年暂时还取代不了我这几年转行的工作，原因很多，当然人工智能的迷思也让我思考过，就是深度不够，加入了千熊后，我就更有信心面对可预见的未来了。因为千熊的课程刚好弥补了我的不足，所以要好好学习的底层逻辑，科学的方法论，坚持每日做工，不断迭代我的思维。打造高效模仿-刻意练习-费曼输出的学习闭环，走出像高效学习者一样的学习曲线。

How good

Q：机器学习VS人类学习的本质上变化在哪里？未来的视野？

A：机器学习VS人类学习的本质上变化就是曲线上的不同，未来的如果是站在一个小家的视角去考虑，那就做好家庭的小舵手，重点培养引领未来的6种能力--设计感，故事感，交响能力，共情能力，娱乐感，探寻意义。因为跟AI相比，人类还是将占有很大优势，我们会跨领域推理，有抽象能力，可以知其然也知其所以然，既有常识也有自我意识，还有审美和情感，这些都是AI暂时还无法达到的深度智能。