AI无处不在
当前，AI在社会上无处不在，正在颠覆各行各业。
如下图所示，机器学习/深度学习技术无处不在，包括自动驾驶，人脸识别，语音识别等等。
图1.1 机器学习/深度学习应用
甚至，AI在一些领域正在超越人类，如，计算机视觉，围棋，… …
图1.2 计算机视觉正在超越人类的判断
同花顺的产品中也应用了大量的AI技术，如我们的问财系列、小花、小象、… …
图1.3 预测分析与业务挑战
图1.4 问财智能投顾
这些应用背后的本质是什么？
上文多次提到AI，机器学习，深度学习等词，它们三者有什么联系呢？我们先了解几个概念。
先用一张比较直观的图对比它们的范畴，以及微软工程师对它们的解释
图1.5 AI、机器学习、深度学习三者间关系。What？借用网上一句话，不要慌，看不懂的一律当作~~约饭~~机器学习处理。
言归正传，本着不以说清楚为目的的教程都是耍流氓的精神：
人工智能：计算机领域类的一套概念。
机器学习：一种实现人工智能的方法。
深度学习：一种实现机器学习的技术。>
所以，机器学习是什么？
华丽的外衣
遵循我们的学习习惯，开篇定义：
机器学习是一种数据科学技术，它帮助计算机从现有的数据中学习，从而预测未来的行为、结果和趋势。这属于弱人工智能范畴：即只能解决见过的场景，不能解决未遇见过的问题。
就像定义里描述的，分三步实现：历史数据——学习分布模式——预测未来
看起来是简单的三个步骤，犹如本山大叔的装象三步走：
具体能不能装进去，谁si谁知道~
以上，只是机器学习华丽的外衣，本质上呢，一言难尽，难搞哦~😂😂
腹黑的本质
机器学习 ≈≈ 寻找一个函数/数学
如下图所示，常用的语音识别、图像识别、对话系统等，训练模型的过程都是在寻找一个任务相关的最优化函数。
也就是说，需要找到一个关于输入输出的映射关系，也就是一个最优化函数，那如何确定这样一个最优化的函数呢？
形象的说，为了确定最优化映射关系（函数），会生成一系列的函数，这就是模型的训练过程，再从中选取最优的函数，如上图所示，f_1f1就优于f_2f2，因为f_1f1能准确识别图片，而f_2f2不能。
机器学习的本质既然是我们“最熟悉的数学函数”，那就“好办”啦😂，那…此处就不省略了，从最开始的初等数学函数开始吧！
本博客所有内容仅供学习，不为商用，如有侵权，请联系博主谢谢。
[1] 李宏毅，Deep Learning Tutorial，2018
[2] Jim Liang， Getting Started with Machine Learning，2018
