侧边栏壁纸
博主头像
钱学超博主等级

火星人,1万小时法则的忠实拥趸。技术宅,象棋和羽毛球爱好者,马拉松PB成绩:4小时零8分。坚持认为算法是计算机的灵魂。喜欢解决问题,喜欢手工,喜欢与朋友们聊天喝酒吹牛X。

  • 累计撰写 64 篇文章
  • 累计创建 352 个标签
  • 累计收到 74 条评论
标签搜索

目 录CONTENT

文章目录

关于机器学习的一些思考。

钱学超
2021-08-28 / 0 评论 / 0 点赞 / 734 阅读 / 845 字 / 正在检测是否收录...

机器学习目前尚处于模拟人脑的思考模式的阶段。但是人脑目前的思考模式,并非已经完全解密。

所以学习一个其实并不了解的过程,再制造出来的学习方法,并不应该是一种非常科学和优秀的方法。

火星哥认为,从宏观上去查看人类的学习和看待世界的方法,跟计算机有很大的不同。在图像识别、策略和艺术方面,人类依旧远胜计算机。

很多人会抬杠说计算机的图像识别可以比人类的眼睛更精准,机器学习已经完全战胜了人类的多项专有技能,比如象棋,国际象棋,围棋,甚至危险预警,自动驾驶已经比人类开车更安全等等。

火星哥想说,人类的最大优势,就是拥有不确定性。同样的输入进来,人类可以输出完全不同的答案。同样的一幅画,要求你看完之后说一个词语,今天和明天的答案不一定一样。你和我的答案也不一定一样。

这是保持进化、保持优势的基础方法。人类并非有意识的这么做。而是人类本身就是一台混沌的克鲁机。也正是因为克鲁机的不确定机制,让人们的决定和反应拥有了无限的可能性。

那么,机器学习,如果是模拟人类的计算方法和方式。同样的输入,也不应该得到完全一样的输出。

而就目前的机器学习算法而言,模型的训练过程,就是寻找输入和输出对应函数的一个过程。找到这个函数之后,一旦确定了输入,那么输出也是确定的。比如计算一次扔飞镖击中红心的概率,第一次拿到的概率是:87.33142345%,那么,在第二次计算的时候,如果输入参数没有任何改变,这个概率也不会发生任何改变。哪怕是小数点后7、8位。哪怕这个87%本身就不是精确的。

而这,正是机器学习无法自己进步的原因。

机器学习是人类发明的,随着人类的进步,机器学习也在不断进行着迭代。在计算过程中引入随机过程,可以让计算结果更具有说服力和拓展性。

火星哥预言,机器学习想要进步的下一个阶段,一定是固定的输入对应不固定的输出。自我进化,一定是机器学习的下一个阶段。感觉alphago就有点类似的意思,输入和输出并非简单的对应关系。而是每一次的计算结果,都是在无数的不确定结果中查找出来相对优化的答案。


胡思乱想,诸位见笑!

0

评论区