半岛权威十大直营(官方)网站

    著名的中立咨询顾问公司Ovum近日声称，“机器学习将是2017年大数据分析的最大瓦解者。” 深度学习和神经网络的机制模拟了人类大脑的分层认知处理机制，已经显示出了实现类人水平的机器智能的可行性。由于并行处理能力的大规模升级使网络能够处理更大的数据块，在2017年我们可以期待在机器学习方面取得更大进步。“生成式对抗网络”（GAN）是机器学习中的下一个大进展。GAN本质上是双重网络，一个从数据集中学习，另一个对数据真假进行鉴别。机器学习能力将在2017年迎来大提升，开始接近认识成熟。

（当下帮助机器思考的若干AI算法。图／CIO Journal/Narrative Science）

    机器学习使用的另一个技术是无监督学习，它用来找出大数据组背后的隐秘关联。比如，你是位研究人员，想要更多了解人类个性类型。你获得了大笔资金支持，可以找20万人做调查，每张人格调查问卷有500个问题，每道题的备选答案有10个。最终，你的数据规模是：500个虚拟「维度」，每个维度上有20万个数据点——每个维度代表原始问卷表里的一道人格测试题。这些点组合起来，在500维空间中构成了一个维度较低的「曲面」，就好比简单记录山脉区域某些点的海拔高度，就能用这些点在三维空间内构建出一个二维曲面一样。

    作为研究人员，你要做的就是识别出这个维度较低的曲面，从而减少20万个被试者的人格画像，只留下本质特征——就像找出足以确定山脉表面任意一点的两个变量。或许，个性测试的这个曲面也能用简单的函数来表示，它所涉及的变量数大大小于500个。这种函数就有可能反映出数据背后的结构。

深度学习三大牛之一的Yann Lecun教授给出了一个关于机器学习中的有监督学习、无监督学习和增强学习的一个有趣的比喻，他说：如果把智能（Intelligence）比作一个蛋糕，那么无监督学习就是蛋糕本体，增强学习是蛋糕上的樱桃，那么监督学习，仅仅能算作蛋糕上的糖霜。相比有限的监督学习数据，自然界有无穷无尽的未标注数据。试想，如果人工智能可以从庞大的自然界自动去学习，那岂不是开启了一个新纪元？当前，最有前景的研究领域或许应属无监督学习，这也正是Yann Lecun教授把无监督学习比喻成人工智能大蛋糕的原因吧。

    更多行业资讯，更新鲜的技术动态，尽在。