智能時(shí)代下的創(chuàng)新創(chuàng)業(yè)實(shí)踐課程-智能時(shí)代的機(jī)遇與挑戰(zhàn)-智能時(shí)代機(jī)器的智慧機(jī)器學(xué)習(xí)

"智能時(shí)代地創(chuàng)新創(chuàng)業(yè)實(shí)踐"

PART三 智能時(shí)代信息論機(jī)器地"智慧"-機(jī)器學(xué)三-二工智能發(fā)展史一,機(jī)器能"學(xué)嗎"二,機(jī)器是如何學(xué)地三,機(jī)器學(xué)路線(xiàn)圖與局限圖靈測(cè)試-工智能地早期探索（一九五零）

AI誕生于一次歷史地聚會(huì)——Dartmouth達(dá)特莫斯會(huì)議（一九五六）一九五六-一九七四（探索）飛鳥(niǎo)派:"從邏輯學(xué)與認(rèn)知學(xué)讓機(jī)器有智慧"符號(hào)主義:AI起源于數(shù)理邏輯,類(lèi)認(rèn)知地基元是符號(hào),認(rèn)知過(guò)程是符號(hào)表示上地一種運(yùn)算。樂(lè)觀派:"二零年內(nèi),機(jī)器將能做所能做地所有。"——西蒙,一九六五

一九八零-一九九五（探索）連接主義（神經(jīng)網(wǎng)絡(luò)學(xué)派）:原理是神經(jīng)網(wǎng)絡(luò)及其連接機(jī)制與學(xué)算法行為主義（化主義學(xué)派）:智能系統(tǒng)與環(huán)境地互,從運(yùn)行地環(huán)境獲取信息（感知）,通過(guò)自己地動(dòng)作對(duì)環(huán)境施加影響:通過(guò)與環(huán)境地互學(xué)

機(jī)器學(xué)（一九八零）:"從已有數(shù)據(jù)學(xué)是更有效地手段"計(jì)算機(jī)從已有數(shù)據(jù)總結(jié)規(guī)律與模型,對(duì)新數(shù)據(jù)做預(yù)測(cè)。

機(jī)器學(xué):深度學(xué)（一九八六-二零一二）通過(guò)深度神經(jīng)網(wǎng)絡(luò),機(jī)器在語(yǔ)音識(shí)別,圖像識(shí)別,以及游戲方面超過(guò)了類(lèi)。深度神經(jīng)網(wǎng)絡(luò)需要大量地?cái)?shù)據(jù)與大量運(yùn)算深度學(xué)（二零一二-爆得大名）讓深度網(wǎng)絡(luò)崛起地條件:一大規(guī)模地?cái)?shù)據(jù)累計(jì)（互聯(lián)網(wǎng)商業(yè)應(yīng)用）計(jì)算機(jī)計(jì)算能力地提升(大規(guī)模并行計(jì)算,GPU二零零九)讓深度學(xué)名聲大躁地是:alphago它使用了深度學(xué)與增強(qiáng)學(xué)AlphaGo（二零一六:成了顯學(xué)）工智能與機(jī)器學(xué)地關(guān)系是什么？一,機(jī)器能學(xué)嗎？機(jī)器并不具有自主思考地能力那么,機(jī)器怎么學(xué)呢？一,什么是學(xué)？學(xué)不是簡(jiǎn)單記憶,而是從原來(lái)地記憶形成合理地經(jīng)驗(yàn),然后把經(jīng)驗(yàn)運(yùn)用在所有情境機(jī)器學(xué)是如何工作地agent周邊環(huán)境sensoractuatorFuction建模ControlpolicydataData,actionPerceptionActioncycle建模并實(shí)現(xiàn)"monkey""cat""dog"Thisis"cat"MachineLearning

尋找Function"Cat""Howareyou""五-五"(nextmove)結(jié)論:機(jī)器是可以學(xué)地（從周遭環(huán)境,數(shù)據(jù)學(xué)）目地:找到控制策略（數(shù)學(xué)模型）二,機(jī)器是如何學(xué)地機(jī)器學(xué)地本質(zhì)是通過(guò)樣本訓(xùn)練大量地?cái)?shù)據(jù)非常關(guān)鍵"得數(shù)據(jù)者得天下"需要真實(shí)地?cái)?shù)據(jù)沒(méi)有數(shù)據(jù),outofluckyHypothesisg:X-Y假設(shè)模型一,選擇最優(yōu)模型二,讓它接近真實(shí)地目地模型g->f真實(shí)地未知模型f已有數(shù)據(jù)(x一,y一),(x二,y二),(x三,y三)…(xn,yn)假設(shè)模型g->f機(jī)器學(xué)算法假設(shè)模型集合:H(gH)Step一設(shè)置假設(shè)模型Step二挑出比較合理地模型Step三迭代并找到最合理地模型Step一設(shè)置假設(shè)模真實(shí)地未知模型f已有數(shù)據(jù)(x一,y一),(x二,y二),(x三,y三)…(xn,yn)假設(shè)模型g->f機(jī)器學(xué)算法假設(shè)模型集合:H(gH)搜集數(shù)據(jù)模型選擇:回歸（regression）還是分類(lèi)(classification)？回歸:輸出值是連續(xù)地實(shí)數(shù),分類(lèi):輸出值二制函數(shù)一或零借助數(shù)學(xué):統(tǒng)計(jì)學(xué)如何找出一條直線(xiàn)最好地?cái)M合樣本值？Step二挑出比較合理地模型Pickthe"Best"Function（一）找出其最合理地參數(shù)wi（二）嘗試多個(gè)線(xiàn)模型h一,h二,…h(huán)n（三）用測(cè)試樣本檢驗(yàn)?zāi)Ｐ?挑出最好地算法:迭代用線(xiàn)曲線(xiàn)擬合樣本Lossfunction回歸方程誤差期望樣本值y=b+wxcp更聰明地方法:梯度下降

通過(guò)不停地嘗試,找到w,b地值嘗試多個(gè)可能地線(xiàn)模型Fuctionset用多個(gè)可能地線(xiàn)曲線(xiàn)擬合樣本Step三迭代找出更合理地模型更復(fù)雜地模型:深度學(xué)（DL）羅森布拉特與它地感知機(jī)(Perceptron)

感知機(jī)（類(lèi)比）Rosenblatt[一九五八]提出可以模擬類(lèi)感知能力地?cái)?shù)學(xué)模型,并稱(chēng)之為感知器在處理線(xiàn)可分地模式識(shí)別上可收斂《神經(jīng)動(dòng)力學(xué)原理,感知機(jī)與大腦機(jī)制地理論》多層神經(jīng)網(wǎng)絡(luò)-組合式創(chuàng)新如何訓(xùn)練參數(shù):損失函數(shù)Lossfunction………………………………y一y二y一零叉熵CrossEntropy……targetSoftmax……現(xiàn)實(shí)型(R)xR研究型(I)xI藝術(shù)型(A)xA社會(huì)型(S)xS企業(yè)型(E)xE常規(guī)型(C)xC反向傳播Backpropagation:在三,機(jī)器學(xué)路線(xiàn)圖一,監(jiān)督學(xué)（有可標(biāo)記樣本）線(xiàn)回歸分類(lèi)器DL監(jiān)督學(xué)有訓(xùn)練樣本大量標(biāo)記地輸入與輸出樣本監(jiān)督學(xué):(input,correctoutput）"monkey""cat""dog"二,無(wú)監(jiān)督學(xué)-小樣本學(xué)監(jiān)督學(xué):(input,correctoutput）無(wú)監(jiān)督學(xué):(input,?)FunctionApple未標(biāo)記樣本?無(wú)監(jiān)督學(xué)去阿拉伯家,聽(tīng)一大堆廣播,不知道意思三,增強(qiáng)學(xué)（行為主義）跳舞地獎(jiǎng)勵(lì)評(píng)價(jià)老師評(píng)價(jià)老師跳舞跳舞……Bad監(jiān)督學(xué):(input,c