隨著大數(shù)據(jù)的累積,AI迅猛發(fā)展,希望了解AI的人,期待從事AI人工智能工作的人也越來越多。產(chǎn)品經(jīng)理可以從三個問題入手,即機(jī)器學(xué)什么、機(jī)器怎么學(xué)、機(jī)器做什么。
首先,機(jī)器學(xué)習(xí)需要學(xué)習(xí)的內(nèi)容是能夠表征此項任務(wù)的函數(shù),即能夠?qū)崿F(xiàn)人們需要的輸入和輸出的映射關(guān)系,從信息論的角度來看,其學(xué)習(xí)的目標(biāo)是確定兩個狀態(tài)空間內(nèi)所有可能取值之間的關(guān)系,使得熵盡可能最低。熵越低信息越有序。
其次,機(jī)器怎么學(xué)。要實現(xiàn)學(xué)習(xí)目標(biāo),就要教給機(jī)器一套評判的方法,而不同于告訴機(jī)器每個具體步驟如何操作的傳統(tǒng)方法,這需要對機(jī)器描述過程演進(jìn)為對機(jī)器描述結(jié)果。從數(shù)學(xué)角度來看,就是為機(jī)器定義一個合適的損失函數(shù),能夠合理量化真實結(jié)果和訓(xùn)練結(jié)果的誤差,并將之反饋給機(jī)器繼續(xù)作迭代訓(xùn)練。
最后,機(jī)器學(xué)習(xí)究竟要做什么,其實主要做三件事,即分類(Classification)、回歸(Regression)和聚類(Clustering),其中分類和回歸屬于監(jiān)督學(xué)習(xí)的范疇,而聚類則屬于非監(jiān)督學(xué)習(xí)的范疇。目前多數(shù)人工智能落地應(yīng)用的背后,都是通過對現(xiàn)實問題抽象成相應(yīng)的數(shù)學(xué)模型,分解為這三類基本任務(wù)的有機(jī)組合,并對其進(jìn)行建模求解的過程。
聯(lián)系客服