机器学习是什么

在自上而下的方法中，我们尝试对推理过程进行建模。由于我们在推理时可以知道自己的思考步骤，因此我们可以尝试将这一过程形式化，并转化为计算机程序。这就是所谓的符号推理（symbolic reasoning）。人们的头脑中往往有一些指导决策过程的规则。例如，当医生对病人进行诊断时，他/她可能会通过发烧症状意识到病人身体内部可能有一些炎症。通过将大量规则应用于特定问题，医生有可能得出最终的诊断结果。这种方法在很大程度上依赖于知识表示和推理。从人类专家那里提取知识可能是最困难的部分，因为医生在很多情况下并不清楚自己为什么会得出特定的诊断结果。有时，他/她只是直接在脑海中浮现出解决方案，而并未经过明确的思考。类似“根据照片判断一个人的年龄”这样的任务，根本无法简化为对知识的操作。[heading2]自下而上的方法[content]我们还有另一种选择，就是模拟大脑中最简单的元素——神经元。我们可以在计算机中构建一个人工的神经网络，然后通过举例教它解决问题。这类似于新生儿通过观察周围环境来学习的过程。✅对婴儿的学习方式做一个小调研。婴儿大脑中的基本要素有哪些？那么机器学习（ML）呢？人工智能的一部分方法是基于数据来使计算机学会解决问题，这样的方法称为机器学习。我们在本课程中将不讨论经典机器学习，建议你可以学习单独的《[机器学习入门](https://github.com/microsoft/ML-For-Beginners)》课程。

因此在这个例子中，我们通过手动探索并选择了能获得更好的表征方式的变换。但是，假如我们能开发一个系统或程序来自动搜索不同的表征（在这个例子中是坐标变换），然后确定新方法的分类准确率的计算方式，这时候就变成了机器学习。这一点很重要，深度学习是使用不同类型神经网络的表征学习，通过优化网络的超参数来获得对数据的更好表征。而没有深度学习中的突破性研究，这一切也将不可能出现，这里我列出几个经典案例：1：反向传播参考阅读：[被Geoffrey Hinton抛弃，反向传播为何饱受质疑？（附BP推导）](http://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650731098&idx=1&sn=c7391caee3a567b4b046406d53f022f2&chksm=871b3624b06cbf320f3725fe452d291e04a4a8c1beda8ee9e00f1d10266847be4736090aade3&scene=21#wechat_redirect)A theoretical framework for Back-Propagation——Yann Lecun：http://yann.lecun.com/exdb/publis/pdf/lecun-88.pdf2：更好的初始化网络参数。需要记住的是：初始化策略需要根据所使用的激活函数来选择。参考阅读：

首先，要创造出Genie模型，科学家们需要给它一个大脑，这个大脑就是我们常说的“人工智能”。你们知道人工智能吗?它就像是一个机器人的思考方式，能让机器人像人一样思考和学习。科学家们用了一种特别的方法，叫做“机器学习”，来教会这个大脑思考。机器学习就是让计算机观察很多很多的东⻄，然后从中找出规律，慢慢学会自己解决问题。你们上学的时候，老师会给你们很多问题，让你们练习，最后你们就会做得越来越好，对吗?Genie模型学习的方式也差不多，只不过它学习的东⻄是视频。科学家们给Genie模型看了很多网络上的视频，尽管这些视频没有特别的标签告诉Genie模型里面有什么，但Genie模型通过自己的学习，能够慢慢理解视频中发生的事情，并且记住了。Genie模型有一个非常大的数字网络，我们可以叫它“模型参数”。想象一下，就像是一个巨大的钢琴，每个琴键都代表一种知识。Genie模型有大约110亿个这样的琴键，所以它知道的东⻄非常非常多。接下来，科学家们需要让Genie模型更加聪明，让它不仅能看懂视频，还能创造出新的东⻄。所以，他们利用了一种叫做“生成模型”的技术。这种技术可以让Genie模型不仅仅复制它所看到的东⻄，还可以自己想象出新的东⻄来。就好比给了它一个画笔，它可以根据你告诉它的话题来画出全新的画面。比如说，如果你对Genie模型说:“我想看看一个大草原。”即使Genie模型以前没有看过真正的大草原，它也可以想象出一个草原的样子，并且创造出一个草原的图片给你看。这就是它的创造能力。而且，Genie模型还可以做到更神奇的事情:它能创造出可以互动的虚拟世界。这意味着，它不仅仅给你展示一个图片，还可以让你在这个虚拟世界