机器学习初探

2016-07-20
   这段时间一直在主攻数学基础,这是在弥补以前的的没有好好利用时间的错误。我想学习机器学习,一者是初步了解一下这个最近火热的领域需要哪些数学知识,顺便把实际工作中可能用到的数学知识巩固一遍;二者是想了解深度图像和机器学习是否有结合的可能性,是不是在这个新的方向上有更多的有意思的工作可以去做。
   方式嘛,还是只有看书喽。这才是吸收知识最快的方式。我暂时不想花费过多的时间在这方面,买了三本书《机器学习(周志华)》、《统计机器学习(李航)》、Neural Networks and Learning Machines。我认识的人中目前还是没有做这个研究方向的,连一个请教的人都没有,这实在是比较糟糕。我读了周教授的书后才知道,原来现在机器学习基本上是使用统计学的知识,微积分、泛函、线性代数这些是更加基础的知识。大家如果感兴趣,知乎上有机器学习入门所需要的基础知识的详细介绍。不过,如果只是想简单的了解这个课程,买一本周教授的《机器学习》就足够了。
   相比于我之前学习DIP、CG、CV来说,学习这个课程就感觉好多了。看到公式,也不至于一脸懵逼,现在还能知道对应着那些数学基础,如果不懂,知道该去参考哪本书哪个章节。这是一个不错的开始。我目前只是看了前两本书,花费了三四周的时间。第三本书是深度学习方面的,暂时没有必要覆盖了。我发现机器学习方面的知识,比图像处理方面的更加抽象一些。起码图像处理教材上的东西,都基本上对应着一个个算法。这也是理所当然的,当我我们想要解决深一个层次的问题时,就需要一个更高级别的描述语言。数学语言应该是非常高级的描述语言了,然而,我们现在把数学语言转换成计算机语言就已经这么费劲了,何况有些问题,我们仍无法使用数学语言去描述。有观点说,机器学习不应该程序员去搞,而是做数学的人去搞,因为程序员的数学能力不行。这显然是过激了。但是,在这个方向上,数学的重要性是毋庸置疑的。
   最近人工智能威胁论甚嚣尘上啊,自动驾驶汽车也是热点。对不了解的事情狂热,可不是什么好的事情。在互联网时代,意见领袖的话语权更是前所未有的集中,其意见带来的效应更是无比巨大。这一点我们必须要注意,不要被满屏的消息过度暗示了。(我自从不使用任何社交工具后,整个世界都清净了。)看到李开复对AlphaGo的评价,我才觉得这才是真正中肯的评价。前几天我在群里里讨论自动驾驶,有哥们儿挺支持的。我的看法是最近几年内不靠谱。王垠的的观点[5]还是很有道理的。没过两天,就有报道出Tesla autopilot导致人命事故[6]。公司夸大自己产品,这样的事情是无法避免的。使用者也需要有能力辨别他有多大程度的吹牛。毕竟拿自己的生命来冒险测试新技术,这样的代价究竟是否值得。
 
 
  1. https://zhuanlan.zhihu.com/p/20622308     人工智能打脸史
  2. https://dahuasky.wordpress.com/2008/09/13/computer-vision%E7%9A%84%E5%B0%B4%E5%B0%AC/  Computer Vision的尴尬
  3. https://dahuasky.wordpress.com/2010/09/23/learning%E5%92%8Cvision%E4%B8%AD%E7%9A%84%E5%B0%8F%E8%BF%9B%E5%B1%95%E5%92%8C%E5%A4%A7%E8%BF%9B%E5%B1%95/    Learning和Vision中的小进展和大进展
  4. https://en.wikipedia.org/wiki/Artificial_intelligence  
  5. http://www.yinwang.org/blog-cn/2016/03/19/self-driving-car-liability  
  6. http://www.yinwang.org/blog-cn/2016/07/10/tesla-autopilot-fatal-crash  
  7. http://www.52cs.org/?p=312     人工智能史
  8. https://www.zhihu.com/question/20436331    
如果有任何意见,欢迎留言讨论。


[ 主页 ]
COMMENTS
POST A COMMENT

(optional)



(optional)