首页 > 代码库 > 从认识论的角度谈机器学习与深度学习

从认识论的角度谈机器学习与深度学习

  机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

  深度学习是机器学习研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像,声音和文本。

  以上说法来自于百度百科,个人觉得合理,就拿过来用了。

  两者似乎都是在模拟人类行为,那么有何不同呢?

  机器学习一般的套路是人去构建特征,然后选定一个模型去训练,最后预测。这其中,特征的选择非常重要,笔者经常听到的声音是:是特征而不是模型会对预测的结果产生较大的影响!出现这种情况的原因是人对要预测的东西本身还不够了解,也可以说是没有发现问题的本质:到底是哪些因素真正影响了预测的结果!这些因素没有被挖掘出来,是不可能构建一个逼真的模型来去模拟现实世界中这些事物(已知数据与未知数据)的内在联系的。

  深度学习一般指的是深度神经网络,在笔者看来,其与机器学习的不同之处在于不需要人去发现特征,而是直接将数据喂给机器,由机器自主完成归纳与抽象的过程,它避免了人的认知的局限性,这是多么伟大的一个进步!深度学习来源于机器学习却又高于机器学习,这本身就是否定之否定规律的又一次完美实践,我期待着一个新的学习方法能够完成对深度学习的否定,受限于自身经验,下一次的否定不确定是否是一台生物计算机,但笔者坚信,生物计算机必将成为否定之否定规律螺旋上升的逻辑结构中的一环!

  

从认识论的角度谈机器学习与深度学习