Machine learning
人的智慧有先天和后天两种，正如有些机器人其实不是AI，只是根据人类设定好的程序干活，但是AI机器人有自主的学习能力
天生设定好的程序非常僵硬，无法考虑到所有因素，也无法超越创造者，且费劳力。
Machine learning ~ looking for a Function from data
Framework of Supervise Learning
- 先准备一个function set，也就是model
- 训练数据，input训练出合适的output
- 有效率的演算法从无数的function里挑出合适的function
Learning Map
- Supervised Learning:
需要大量的包含input/output的training data，output=label，需要大量的人工标注的label
Regression —> Linear Model —> Non-linear model: Classification Task - Deep learning SVM, decision tree, KNN —> Structured Learning: beyond classification, 输出有结构的output，比如machine translation - Semi-supervised Learning
有少量的labelled data，大量Unlabeled data - Transfer learning
有少量的labelled data，大量的不知道Unlabeled/labelled状态的data - Unsupervised learning
不需要labelled data - Reinforcement learning
比如：阿尔法go
Supervised learning会告诉机器正确答案，有手把手教的老师
Reinforcement learning没有正确答案，有打分机制，告诉机器做的好还是不好，也就是learning from critics
