🧠
AI 种子 • 入门⏱️ 12 分钟阅读
机器是怎么学习的
机器如何学习🧠
在上一课中，我们了解到人工智能是从经验中学习的软件。但这实际上是如何运作的呢？机器如何从一无所知到识别你的脸或推荐你下一首最喜欢的歌曲？
让我们探索智能软件背后的秘密。
🔄 学习循环
每个机器学习系统都遵循相同的基本周期：
- 数据 - 机器给出了很多例子
- 模式 - 它在这些示例中查找重复出现的模式
- 预测 - 它使用这些模式来猜测新数据
- 反馈 - 它发现它的猜测是对还是错
- 改进 - 不断调整并再次尝试，每次都变得更好
把它想象成学习做饭。您遵循食谱（数据），注意什么有效（模式），尝试自己的变化（预测），品尝结果（反馈），并在下次调整调味料（改进）。
🤯
Google 用于检测垃圾邮件的人工智能每分钟处理超过 1000 万条可疑邮件。每次用户将某些内容标记为“垃圾邮件”或“非垃圾邮件”时，系统都会学习并更新其模式 - 每次点击都会变得更加智能。
📚 监督学习 - 和老师一起学习
最常见的机器学习类型称为“监督学习”。它的工作原理就像跟着老师学习一样，老师会给你答案。
它的工作原理如下：
- 你给机器提供了数千个带有标签的例子（正确答案）
- 机器研究这些带标签的例子
- 它学习将输入连接到正确标签的模式
- 当它看到新的、未标记的数据时，它会预测答案
真实示例：垃圾邮件过滤器
想象一下您向机器显示 100,000 封电子邮件。每个邮件都被人类标记为 “垃圾邮件” 或 “非垃圾邮件”。
机器注意到模式：
- 带有“WIN FREE MONEY”字样的电子邮件往往是垃圾邮件
- 来自地址簿中联系人的电子邮件往往是真实的
- 带有数十个感叹号的电子邮件通常是垃圾邮件
在研究了足够多的示例后，它可以查看从未见过的全新电子邮件并预测它是否是垃圾邮件 - 无需任何人编写特定规则。
🤔
Think about it:
监督学习依赖于标记数据——有人必须提供正确的答案供机器学习。您认为谁给所有这些数据贴上标签？在许多情况下，需要成千上万的工作人员仔细标记图像、文本和音频。人工智能的“智能”往往始于人类的大量努力。
🧠小测验
机器学习中的”监督学习”是什么意思？
🔍 无监督学习 - 寻找隐藏模式
如果您没有答案怎么办？如果您只有大量数据并且希望机器自己找到有趣的模式怎么办？
这就是无监督学习。没有老师，没有标签，没有正确答案。机器探索数据并将相似的事物分组在一起。
现实示例：客户分组
想象一下，一家超市拥有数百万顾客的购买数据，但没有标签。人工智能分析数据并发现自然群体：
- A组：购买有机蔬菜、散养鸡蛋和燕麦奶
- B 组：购买冷冻披萨、薯片和碳酸饮料
- C 组：购买尿布、婴儿食品和湿巾
第 2 课，共 17 课已完成 0%
讨论
登录 参与讨论