用最通俗语言来聊聊“什么是机器学习”

提到人工智能，大众听得最多的概念就是“机器学习（Machine Learning，缩写ML）”了，不过，一般技术视角的文章可能有点晦涩，不方便产品经理（或小白用户）入门了解；今天，咱们就用最通俗的语言来聊聊“什么是机器学习”。

一、3个非常有趣的例子

1、小朋友以为“分享”是“（利益）收到伤害”的意思。

上图是马伯庸的一条微博（目前已被删除）

马小烦常和小区里的同龄宝宝一起玩，大部分的大人会教育孩子要懂得分享，把心爱的玩具给其他宝宝玩。不知何时起，宝宝们开始说类似“这只蚂蚁被鞋子分享了”、“我的腿摔倒了很分享”的话，大概是某一个宝宝认为这个词的意思是利益受到伤害，并且这个用法迅速传遍整个宝宝圈……

有意思吧？：）“分享”这个词，被小区宝宝用成了“利益受到伤害”的意思，当这个用法被1次、2次、3次的使用后，所有宝宝们都学会了。从结果看，“分享”的意思被篡改了，但如果所有人类把“分享”和“受伤/伤害”对调一下，好像也是可以的……当然，这里我们也可以看到，数据样本的质量太重要了。

2、小鸡性别鉴别师

可能很多人不知道，世界上有个职位叫做“小鸡性别鉴别师”：）

为什么要对小鸡做性别鉴定呢？因为在养鸡场里，要养商品蛋鸡当然只养母鸡；而商品肉鸡呢，虽然公母都要，但如果混合饲养的话，由于小公鸡发育快、抢食多，会影响到小母鸡的生长，因此要保证经济效益也最好分开饲养。

鉴别小鸡性别，对经验要求很高，据说老师傅们带徒弟，就是不断给徒弟做示范，“这个，公！这个母！……”，然后也让徒弟自己判断，然后师傅点评“这个不是公鸡，是母的！这个不是母鸡，是公的！……”通过不断的（有监督）学习，徒弟的鉴别准确率就不断提升了……

这么好玩的事，我还特意查了下相关信息：最初，人们靠外形来鉴别雏鸡性别。比如小公鸡头大、体宽、趾粗长、眼大有神、叫声响亮、活泼好动、骨架较硬，而小母鸡正相反。但即使是老司机，准确率也只有80%，满足不了畜牧生产需要。

现在养殖场里常用的方法是“翻肛鉴别法”，就是把小鸡屁屁反过来看生殖器的性状。准确率可达98％以上，熟练工人的鉴别速度可达每小时1200只（3秒钟1只，赞），伤残死亡率低于0.5%。

更多有意思的信息，大家可看：

3、二战中分辨敌我战机

二战中，两军战斗机在空中对战，而守方在地面上还有防空炮可以用，这时如何如何分辨敌机我机就性命攸关了。而在“敌我识别应答机”等专业电子设备发明之前，人们只能通过人眼来看（目视识别），比如看飞机的外观，以及飞行员的操作习惯等。

所以，防空炮的炮手，也需要有老司机在旁边配合或训练指导，指出哪架是敌机，哪架是我机，经过不断的学习，来提高辨别准确率。

这方面有专业性，就不多说了，也附上2个延伸阅读链接吧：

• 《知乎-战机如何分清敌我》https://www.zhihu.com/question/36086173

• 《知乎-在大规模战争中如何分清敌我》https://www.zhihu.com/question/33280351

总之，希望先通过这3个例子，大家能对“机器学习”建立一点感性认知。

对了，大家如果能用自己的话来描述下“什么是机器学习”，不妨告诉我，期待你的惊艳回答：）

二、机器学习的定义

网上有各种版本，这里分享3个：

1、机器学习是这样的一个研究领域，它能让计算机不依赖确定的编码指令来自主的学习工作。——Arthur Samuel（亚瑟·塞缪尔）

2、机器学习，是对能通过经验自动改进的计算机算法的研究。——百度百科

3、机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率。——百度百科

三、机器学习的本质

知乎上有各种说法，供大家参考：

1、机器学习的本质是空间搜索和函数的泛化。

2、总结过去，预测未来。

3、机器学习的本质是模式识别。一部分可以用于预测（有监督学习，无监督学习），另一类直接用于决策（强化学习）。

4、本质来说就是用数据猜测一个复杂函数，由模型复杂程度决定函数复杂程度，对于模型参数求解设计到优化问题。

5、机器学习和生物学习的过程本质上应该是一样的。我认为本质都是映射。

四、机器学习的通俗理解

我看到过的各种解读里，最通俗易懂的说法，来自北京师范大学系统科学学院教授、集智俱乐部创始人@张江 老师——机器学习，是计算的反问题（逆运算）

解释一下——

什么是计算？从上图大家可以看到，计算就是给定输入，得到输出。而其运算的过程，就是程序，就是图中的表达式y=x²+x。

那什么是机器学习呢？就是将计算反过来：给定输入输出对，经过机器学习，得到模型，也就是要得到表达式是什么。

五、举例说明-线性回归

看上面这个图，已知某商品在2012年~2017年中某些月份的价格，希望预测出2018年某月该商品的价格。

预测模型：选择某个模型（图中是y=a*t+b；当然可以更复杂、一般，但这里先用最简单的来举例），希望能穿过（覆盖cover）尽可能多的点。

学习（训练）过程：通过不断调整参数（a、b），寻找一条误差最小的直线。

预测：根据找到的最优模型y=a*t+b，带入年份为2018中的某个月份，则可“预测”出该月份中，该商品的预估价格。

测试：根据预测值和真实值进行对比，可以得出测试误差（也叫泛化误差，上图中橘色直线）；相应的，之前训练过程中，预测值和训练数据的误差叫做训练误差（上图中白色直线）

六、上面这个过程，也可以认为是“拟合”

拟合在百度百科的解释是：已知某函数的若干离散函数值{f1,f2,…,fn}，通过调整该函数中若干待定系数f(λ1, λ2,…,λn)，使得该函数与已知点集的差别(最小二乘意义)最小。

还有一种通俗解释：拟合，就是依葫芦画瓢；是能呈现一个想要的结果，但说不出原因（没有明确的逻辑规则）；打个比方，一个人画画或游泳很好，但他也说不清楚该怎么画画或游泳。总结就是，不管白猫黑猫，抓到老鼠就是好猫！

七、再举个有趣的例子——看相

从某种意义讲，其实这张图——看相，也是某种机器学习的过程，可能是古人通过大量的观察总结，发现具有某种面相特征的人，会有某种性格或命运，然后沉淀出了一套规则，传给后人。

八、机器学习和深度学习的关系

看上图，人工智能，是一种科技领域，是最宽泛的一个概念；机器学习，是一种偏技术角度的方法。

根据不同的学习方式，机器学习可以分为全监督学习、无监督学习、半监督学习、强化学习、迁移学习等等。而根据是否应用了神经网络，机器学习可分为应用了神经网络的机器学习，和没有应用神经网络的机器学习。

更进一步的，对于应用了多层神经网络的机器学习，我们称之为深度学习。——也就是说，在这个角度上看，深度学习是机器学习的子集，而不是并列关系，这个概念区别，大家先有个印象。咱们再重复一遍：应用了多层神经网络的机器学习，就叫做深度学习，他们是子集关系，不是并列关系。

九、相关概念的通俗理解汇总

1、机器学习——计算的反问题（举例：线性回归）。

2、深度学习——应用了多层神经网络的机器学习。

3、有监督学习——需要“标签”来当老师（举例：肿瘤诊断）。

4、无监督学习——人不告诉机器标准答案，让机器自己来学习（点赞暴露性格）。

5、强化学习——做中学（个体/环境、动作、反馈、方案；可以自我博弈）（举例：AlphaGo）。

6、迁移学习——触类旁通（举例：夜光图+街景图来分析非洲贫困）。

7、特征学习——自动学习特征（增删改查）（举例：肿瘤诊断）。

8、贝叶斯学习——仅从一个例子就形成概念（举例：学会写字）。

注：以上内容来自“AI产品经理大本营”——由黄钊hanniman建立的、行业内第一个“AI产品经理的成长和求职社群”，通过干货分享、线下交流、每职位内推等方式，帮助大家完成“AI产品经理成长的实操路径”；详情可点击“阅读原文”查看。

-END-

- hanniman往期精选 -

一、AI产品分析

【重点】如何从“品类”角度做AI产品（2C）的需求定位

【重点】AI产品经理视角下的AI翻译机 in 旅游场景

二、AI产品经理

【重点】【重磅福利】人工智能产品经理的新起点（200页PPT下载）（注：后台回复“200”，可获取PPT下载链接）

三、AI技术

【重点】AI产品经理需要了解的语音交互评价指标

【重点】语音合成TTS | AI产品经理需要了解的AI技术概念

【重点】一文看懂“语音识别ASR” | AI产品经理需要了解的AI技术概念

【重点】值得收藏 | 关于机器学习，这可能是目前最全面最无痛的入门路径和资源！

【重点】DIY面试题 for AI产品经理 | “智能音箱半夜诡异笑声”的原因分析及建议方案

【重点】人脸识别产品设计，AI产品经理需要了解的实战干货都在这里了_团员分享_@阳春柏樰

【重点】一文看懂“声纹识别VPR” | AI产品经理需要了解的AI技术概念_团员分享_@cony

四、AI行业及个人成长

---------------------

黄钊hanniman，前图灵机器人-人才战略官/AI产品经理，前腾讯产品经理，8年AI背景，11年互联网经验；垂直于“AI产品经理”的第一自媒体，微信公众号/知乎/在行ID“hanniman”；行业内第一个AI产品经理的成长交流社区-“AI产品经理大本营”的创建者（已运营近4年）；200页PPT《人工智能产品经理的新起点》被业内广泛好评，下载量1万+。