機器學習是什么？淺談模式識別和深度學習

最近幾年，人工智能概念越來越熱，與人工智能相關聯的職位薪資也是水漲船高，然后很多人想要破圈去要做人工智能，那作為產品經理我們也需要跟上時代的步伐學習一些人工智能的知識，今天我們來探討一下機器學習。

在談機器學習( machine learning) 之前， 先提一下兩個相關的名詞： 模式識別( pattern recognition) 和深度學習( deep Learning)。

模式識別是很早就發(fā)明出來的技術，在人工智能發(fā)展初期最被看好。長期以來，計算機都無法處理語音文本的語義識別，圖像代表的含義，通過模式識別就可以做到。模式可以理解為特點特色，簡單說就是某個事物具備的獨特標示， 模式識別就是利用待處理數據(包括圖像、文本、語音等)的這些特征，將這些數據與模式中的各個特點來匹配，這樣我們就能識別出來這些未知事物代表的含義了。不過模式識別也具有很明顯的缺陷，因為需要依賴人對這些事物進行特定的標示，簡而言之就是人教會機器通過識別某些特征進而認識這些事物，而不是機器認識的。

深度學習于2006年由Hinton等人提出，其基本思想也是參考人類大腦，人類大腦具備學習能力，通過對人腦工作機制的梳理，了解了人腦對數據的存儲和處理方式，然后建立相應的計算模型，這樣就使算法具有自適應和自組織的能力。深度學習早期的基本算法模型是神經網絡模型，現在已經“進化”為卷積神經網絡。

相比于模式識別，深度學習可以通過自發(fā)的方式來學習如何實現對未知事物的識別，具備自我學習進化的能力，是非常成功的前沿技術。

下面我們舉個簡單的例子，看看“機器學習”系統是如何工作的。 假設我們做出了一個可以對動物進行自動分類的系統，現在，我們要用它在一堆動物照片中挑出貓咪和狗子。 整個過程如下：

先提供大量的貓和狗的照片給到系統，并告知系統哪些是貓，哪些是狗，并不需要告知系統這些動物的具體特征。然后系統根據告知的圖片來查找圖片之間的共性，比如貓咪的特色，狗子的特色，這樣系統通過大量的數據找到貓和狗的共同點，數量越大，效果越好。以上過程可以稱之為訓練，訓練結束后，給系統一些包含貓和狗照片的動物照片，讓系統分辨這些動物照片哪些是貓哪些是狗。以上的過程就是機器學習的過程。相比模式識別，最大的差別就是系統可以通過投喂的數據自動分析出想要識別的事物的特征，而不再需要人工提供特征數據，這就可以大大提高準備率，大大降低工作量。而且這種方式和需要分別的具體事務沒有關系，投喂不同的數據就可以識別更多的事物，所以機器學習的算法與具體的事物無關，可以一次開發(fā)多處使用。

以上是對機器學習的簡單介紹，如果要完成機器學習，還需要更多的技術支持，比如對于圖片的識別，需要先對圖片進行分析，所以需要強大的系統的支持，我們作為產品經理了解到以上的信息基本可以做到對及機器學習的掃盲了。

黑馬程序員產品經理課程全新升級6.0版【點擊了解詳情】