2018/04/26--[译文]机器学习简史
lq920320 opened this issue · comments
机器学习之简史
机器人是否会梦到电子羊,这是一个好问题。而科学事实也已经发展到开始与科幻小说重合的地步。
虽然我们还没有自主的机器人为自身的生存危机挣扎——到目前为止——却越来越接近人们称之为“人工智能”的东西。
《银翼杀手》(英语:Do Androids Dream of Electric Sheep?),直译是《仿生人会梦见电子羊吗?》,是美国科幻小说作家菲利普·K·迪克的最重要作品之一,第一次出版是在1968年,并改编成1982年电影《银翼杀手》,而该书的很多元素和主题都用于2017年续集电影《银翼杀手2049》。
机器学习是人工智能的一个子领域,其中计算机算法用于从数据和信息中自主学习。在机器学习中,计算机不一定要明确编程,但要可以自行改变和改进它们的算法。
如今,机器学习算法可以让电脑能够与人类交流,能自动驾驶汽车,能编写并发布运动赛事报告,而且能够找到恐怖主义的嫌疑人。
我坚信机器学习将会严重影响大多数行业及其工作岗位,这也是为什么每个(产品/技术)经理至少应该掌握什么是机器学习以及它是如何演变的。
在这篇文章中,我准备了一个快速浏览机器学习起源及其最近的里程碑的时间之旅。
1950年——艾伦·图灵(Alan Turing)创造了“图灵测试”来确定计算机是否具有真正的智慧。要通过测试,计算机必须能够欺骗一个人类,让他相信它也是一个人类。
1952年——亚瑟·塞缪尔(Arthur Samuel)编写了第一个电脑学习程序。该程序是关于跳棋游戏的,旨在研究哪些走法构成了获胜策略然后将其纳入程序当中,计算机玩得次数越多则提高越多。
1957年——弗兰克·罗森布特(Frank Rosenblatt)设计了计算机的第一个神经网络(感知器),它可以模拟人脑的思维过程。
1967年——“邻近(最近邻)算法”(nearest neighbor)诞生,允许计算机开始使用非常基本的模式识别。这可以为出差的推销员制定路线,从一个随机城市开始,而能确保他们在短距离旅途期间到达所有城市。
1979年——斯坦福大学的学生发明了“斯坦福购物车”(Stanford Cart),可以在房间里自行导航识别障碍物。
1981年——杰拉德·德琼(Gerald Dejong)介绍了基于解释学习(EBL)的概念,其中计算机分析训练数据,并通过丢弃不重要的数据创建器可遵循的通用规则。
1985年——特里·塞杰瑙斯基(Terry Sejnowski)发明了NetTalk,它可以学习像婴儿一样发音。
20世纪90年代——(人们)致力于将机器学习从知识驱动转变为数据驱动方法。科学家们开始创建计算机程序来分析大料数据,并从结果中得出结论或“学习”。
1997年——IBM的深蓝计算机(Deep Blue)打败了国际象棋的世界冠军。
2006年——杰弗里·辛顿(Geoffrey Hinton)用属于“深度学习”来结束让计算机“看到”并区分图像、视频中的对象以及文本的新算法。
2010年——微软的Kinect可以30次每秒的速度追踪20个人的人物特征,让人们可以通过动作和手势与电脑进行互动。
2011年——IBM的沃森(能够使用自然语言来回答问题的人工智能系统)在《危险边缘》节目上打败了它的人类竞争者。《危险边缘》(英语:Jeopardy!)是由梅夫·格里芬在1964年创建的美国的电视智力竞赛节目。就像同一类的其它节目,节目涵盖了历史、语言、文学、艺术、科技、流行文化、体育、地理、文字游戏等多方面内容。然而,与这些节目不同的是,《危险边缘》采取一种独特的问答形式:参赛者须根据以答案形式提供的各种线索,以问题的形式作出正确的回答。
2011年——谷歌大脑被开发出来,它的深度神经网络可以像一只猫一样去发现和归类事物。
2012年——谷歌X实验室开发了一个机器学习算法,能够自动浏览YouTube来识别那些含有猫的视频。
2014年——Facebook开发了一个软件算法——DeepFace,该算法能够识别或验证照片上的个体,而且与人类能够达到的水平相同。
2015年——亚马逊推出了自己的机器学习平台。
2015年——微软创建了分布式的机器学习工具包,可以在多台计算机上高效地分配机器学习的问题。
2015年——超过3000名AI和机器人的研究人员,在史蒂芬·霍金、艾伦·马斯克和史蒂夫·沃兹尼亚克(等等)支持下,签署了一封公开信,警示人们在没有人为干预的情况下选择和参与目标,自动化武器的危险。
2016年——谷歌的人工智能算法打败了**棋盘游戏围棋的专业选手,围棋被公认为是世界上最复杂的棋盘游戏,比国际象棋要难上好多倍。AlphaGo由Google DeepMind开发,该算法在五场围棋比赛中均获得胜利。
那么我们是否越来越接近人工智能了呢?一些科学家认为这实际上是一个错误的问题。
他们认为一台计算机永远也无法像一个人类那样去“思考”,而将计算机的计算分析与算法与人类思维的诡计进行比较就像比较苹果和橘子,根本无法相比。
无论如何,计算机观察、理解,并且与世界互动的能力正在以惊人的速度增长。随着我们生产的数据量继续呈指数增长,我们的计算机处理、分析以及从数据增长和扩展的学习能力也会随之增强。