机器学习：数据驱动的智能技术

2016年3月,AlphaGo与围棋世界冠军李世石进行了围棋人机大战,以4∶1的总比分获胜;2017年5月,AlphaGo与世界排名第一的柯洁对战,以3∶0的总比分获胜。围棋界认为,AlphaGo的棋力已经超过了人类围棋的顶尖水平。随着AlphaGo的大火,机器学习(Machine Learning,ML)获得越来越多的关注。

1.机器学习的定义

1996年,帕特·兰利(Pat Langley)定义机器学习如下:“机器学习是一门人工智能科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。”1997年,汤姆·米切尔(Tom Mitchell)在Machine Learning中写道:“机器学习是计算机算法的研究,并通过经验提高其自动进行改善。”2004年,埃塞姆·阿培丁(Ethem Alpaydin)提出自己对机器学习的定义:“机器学习是用数据或以往的经验,来优化计算机程序的性能标准。”

机器学习,通俗地讲,就是让机器拥有学习的能力,从而改善系统自身的性能。对于机器而言,这里的“学习”指的是从数据中学习,从数据中产生模型的算法,即学习算法。有了学习算法,只要把经验数据提供给它,就能够基于这些数据产生模型,在面对新的情况时,模型能够提供相应的判断进行预测,如图2-32所示。机器学习实质上是基于数据集,通过对数据集进行研究,找出数据集中数据之间的联系和数据的真实含义。

图2-32　机器学习原理(www.xing528.com)

2.机器学习的发展历程

自20世纪50年代研究机器学习以来,不同时期的研究途径和目标并不相同,可以划分为四个阶段,见表2-7。

表2-7　机器学习发展阶段

2010年以来,谷歌、微软等国际互联网巨头加快了对机器学习的研究,并尝到了机器学习商业化带来的甜头,我国许多知名的公司纷纷效仿。阿里巴巴、淘宝为应对大数据时代带来的挑战,已经在公司的产品中大量应用机器学习算法。百度、搜狗等已拥有能与谷歌竞争的搜索引擎,其产品早已融合了机器学习知识。可以说,近些年正是机器学习的黄金时代。