Facebook 技术专家教你如何进阶机器学习

天气越发炎热了，但比天气更火的是人工智能、机器学习和从事这些领域的技术专家，几乎一夜之间，人人都开始谈论 AI，个个企业都要引入机器学习。

但到底什么是人工智能呢？什么又是机器学习呢？这两者又有何关联？这个看似复杂的问题，今天让我们用最通俗的方式讲解一下。

机器学习和人工智能有什么关系

人工智能，一个古老的概念

人工智能并非是一个新兴的技术概念，最早的人工智能在上个世纪五十年代就已经出现。1956 年夏天，新罕布什尔州汉诺威镇聚集了几位计算机科学家，这几个人在这次达特矛斯人工智能研究计划会议上，首次提出了人工智能的概念，以期用当时刚刚出现不久的计算机来构造复杂的，拥有与人类智慧比肩的机器智能。

其后，人工智能就一直作为人类的一个梦想而存在。但其发展却十分缓慢，更多的时候是出现在科幻小说或电影中。直到 2012 年，得益于各行业数据量的急剧增长、计算机硬件运算力的大幅提升和机器学习新算法的出现，人工智能才进入了大爆发的时代，进而出现了今天 AI 遍地开花的场景。

机器学习，助力人工智能的实现

人工智能的发展有三个递进的阶段，弱人工智能、强人工智能、超人工智能。现阶段人工智能的科研工作都集中在弱人工智能这部分，并很有希望在近期取得重大突破。弱人工智能是如何实现的，所谓的智能又从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。

机器学习是一种实现人工智能的方法，是使用算法来解析数据，并从中学习，然后对真实世界中的事件做出决策和预测。与那些为解决特定任务的传统软件程序不同的是，机器学习是用大量的数据来训练，通过各种算法从数据中学习如何完成任务。

机器学习能做什么，怎么做？

机器学习解决什么问题？

一句话：一切难以用规则解决的问题，都可以尝试用机器学习来解决。机器学习问题，比如图形图像识别，语音、语言和文字识别，就很难用规则来解决，而这些地方正是机器学习的用武之地。

机器学习怎么解决问题？

从前面的阐述我们知道，机器学习是通过训练的方式来解决非规则性的问题，但具体怎么做呢？首先需要通过样本的规律寻找合适的模型，再用样本数据训练模型。训练时通常会将样本分为两部分，一部分用来训练，另一部分用来检验训练后模型的正确率，以评估模型的好坏，之后我们就可以通过训练好的模型进行新数据的预测了。

经过近几年 AI 工程师的不断努力，我们已经拥有非常丰富的模型库，而当前多样的技术也将这些模型的训练与使用变得非常容易。

机器学习入门和进阶之路

机器学习传统的算法包括决策树、聚类、贝叶斯分类等。从学习方法上来分，机器学习算法可以分为监督学习 Supervised Learning（如分类问题）、无监督学习 Unsupervised Learning（如聚类问题）、半监督学习 Semi-supervised Learning 等。