明明是统计学，为什么叫机器学习？

作为一个非科班出身的资深程序员，跨入大数据世代，面对层出不穷的新概念、新技术，眼前不觉一片茫然。顿时有一种已经被时代抛弃的感觉，失望、落寞......

失望归失望，依然有着雄心壮志，决定东山再起，能比当年的C＋＋更难吗？

学习之前，先问百度：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。

前半句太吓人，后半句太神奇，这是我看完百度百科上后的感受。于是，决定不走平常路，决定按照自己的逻辑来解释机器学习。

一、基于明确规则的系统

下面是一个据说文科生难以看懂，即使看懂了也难以理解的古老笑话：

老婆给当程序员的老公打电话：“下班顺路买一斤包子带回来，如果看到卖西瓜的，就买一个。”

当晚，程序员老公手捧一个包子进了家门……

老婆怒道：“你怎么就买了一个包子？！”

老公答曰：“因为看到了卖西瓜的。”

好冷的笑话。为了照顾文科生，先画蛇添足的补充说明一下。这就是基于规则的系统逻辑。笑话中的老婆充当了一个临时程序员的角色，写了一段非常简单的程序代码。笑话中的老公显然是被电脑程序“同化”了，按照机器的逻辑理解为，买一斤包子，注意，程序还没结束，后面还有其他条件，那就是，如果看到西瓜，那就买一个包子。难道这么简单的道理程序员都不明白？对不起，机器学习出现之前，机器是不跟你讲道理的。它的天职是，不折不扣的执行命令。我们有时候也戏称之为“手把手教系统”。

二、基于统计概率的系统

关于程序员买西瓜和包子笑话，续集：

老婆给当程序员的老公打电话：“下班顺路买一斤包子带回来，如果看到卖榴莲的，就买一个。”

有了上次因为看到西瓜从而只买了一个包子，回家被老婆K的经历，老公变聪明了。但又遇到新问题了，于是问老婆：“榴莲长啥样啊？”老婆在电话里绘声绘色的描述道：”椭圆形的，外壳看起来坑坑洼洼的，熟的榴莲是外壳呈金黄色，闻起来很香。“末了还不忘加一句：”很好吃的。“

当晚，程序员左手拎着一斤包子，右手提着一个金黄色的菠萝进了家门...

老婆看了一眼，期待的眼神立刻暗了下来。心里暗暗琢磨：”难道是故意的？没有榴莲壳，看上次那个键盘扔哪去了呢？“

看到此处，不得不提醒一下即将进入职场的孩童：”程序员有风险，入行需谨慎！“

这里先介绍一下专家系统（人工智能发展过程一个非常重要的阶段，此处不细表）。简单的来讲，程序员事先为机器提供一系列的条件组合以及相应可能出现的结果，我们暂且称之为知识库。用户根据自己当时的情况，在系统提示下，选择或者输入一些列的特征参数的值，机器根据知识库提出最有可能的参考答案。

专家系统已经出现了很多很多年了，但其命运跟专家一样——很大概率下，不受大家待见。

专家系统的知识来源，一部分是确定的知识，例如，人体温度超高了37度，意味着发烧。另一部分知识来自于对历史数据做出的统计，例如，根据统计，过去10年，国庆黄金周全国出游人数不断攀升，增长率超过16%，其中2018年出游人数达到7.26亿人次。在此基础上，专家系统可以做出相应的预测，例如，2019年的国庆黄金周出游人数。当然，这样的预测结果准确性是有一定的概率的。

三、机器学习

如果你曾经像我一样对机器学习表现出好奇的话，就会发现只要谈机器学习，就离不开算法，而且绝大部分都是统计算法（基于统计概率的年代，一般都不能把话说得说得太死）。为了不吓到大家，也避免不懂装懂，仅此罗列算法啦。那问题来了，明明是统计学，为什么非得叫”机器学习“呢？

严格意义来讲，传统的专家系统依然是基于规则的系统。因为，所有基于统计的知识，是由领域专家，基于样本数据进行分析，总结出相应的统计规律。程序员的工作是把这些规律转化为程序代码，相应的专家系统依然是按照既定的规则做出相应的判断。

因此，专家系统的知识是由人通过统计、分析、学习、归纳总结而来。相对应的，所谓机器学习，就是把这个学习过程交给机器去完成。由于近些年可以用于分析的数据量剧增，计算机的计算能力也今非昔比，使得机器学习在特定领域解决问题的能力远远超出人脑。

相同的算法，不一样的数据量，不一样的计算能力，计算机替代人脑，当然是不一样的味道。

搞清楚了机器学习跟算法的关系，那深度学习又是什么呢？是不是计算机没日没夜不停的学习呢？嗯，看来又有新的问题。