如何理解机器学习的威力

人工智能有什么影响？首先要明白的是，今天的技术突破不是由电影“她”中的通用人工智能创造的。业内讨论的人工智能是指机器学习的成熟。

机器学习的一个重要应用是图像识别。例如，下面的照片：普通人可以区分蓝莓松饼和奇瓦瓦，现在机器学习可以使计算机区分。这包括两层创新。第一层创新是人类不必为计算机编写规则。在过去，我不得不教电脑挑选GivaWow。它必须由人类编写，然后交给计算机。这是基于规则的模型或专家模型。

而今天的机器学习采用由下而上的做法。人类先喂给电脑数千张蓝莓马芬与吉娃娃的照片，让电脑自己找出图片的相关性。接着混合蓝莓马芬与吉娃娃的照片，测试电脑。每当电脑判断错误就「钉」它，让它自行从错误中学习（所以叫机器「学习」）。今天电脑的辨识率已经可以胜过人类。第二层创新在于人类可以交付电脑执行一些过去难以描述的任务。例如「分辨蓝莓马芬与吉娃哇」其实是复杂的指令，必须先定义「蓝莓马芬」与「吉娃娃」。

一旦有人问一个新的问题，与原来的阶层架构不符，就会产生问题。例如「2017年中国台湾男性前三大死因为何？」要回答这问题，必须调出所有男性病历，移除还活着的病历，再分析所有死因。而在关联式资料库中，资料库是以资料之间的关系来架构，而不是资料本身。换言之每一个病历报表包含不同栏位，栏位又与其他报表上的栏位连结。因此只要变动资料的结构关系—例如改以「年龄」、「性别」及「死因」为分类—就可以回答上述问题。

这是今天讨论机器学习比较实在的角度—是我们用电脑的方式的飞跃式进步，将来机器学习会嵌入不同公司的不同产品之内。最终，所有东西里面都会有机器学习，大家再也不会特别留意。机器学习将为电脑带来新的能力，解决新的问题。但不要太快跳到《云端情人》或是《魔鬼终结者》里的机器人。更实际的例子是洗衣机。

洗衣机也是机器人。它分享了人们的工作。未来的洗衣机可以做得更好，例如，识别衣服的材料，人们不必先对衣服进行分类。或者可以识别污渍的成分，自动调节水量，旋转力和温度。在过去，洗衣机的使用规则非常严格，依靠人类提前作出许多判断，就像分层数据库受到刚性结构的限制一样。未来可以更灵活，更灵活。