看完這篇文章，從事人工智能的我再也不敢裝逼了
機器學習是什么？給你十秒鐘，請給出答案。
……
不知道？就這你還想從事人工智能行業？得了吧！
聽著：機器學習使用數據中的模式來標記事物。
聽起來是不是很神奇？
......
好了，就此打住。
機器學習的核心概念其實非常簡單，簡單到讓人“尷尬”。
這里說的“尷尬”是指，如果有人在你面前“裝逼”，讓你覺得機器學習很神奇，他們應該感到尷尬。為什么呢？且看這篇“反裝逼”指南。
這篇指南的作者是Cassie Kozyrkov，谷歌的首席決策情報工程師，不僅人美，心也善。經常在Hacker Noon上發表一些與人工智能相關的干貨文章。
在這篇指南中，她使用的例子是葡萄酒。她還很貼心地提到，如果你不喜歡喝葡萄酒，也可以把葡萄酒腦補成任何你喜歡喝的飲品，比如茶。
好了，廢話不多說，讓我們搬起小板凳，進入正題吧~
機器學習到底是如何工作的？
機器學習并不是魔法，沒有數據是不可能學習的，所以想要完成這個類比，必須要喝一些葡萄酒。
數據
為了學習，需要有獻身精神。大家可以體會下，一口氣喝了50種葡萄酒是種什么感受。關鍵是喝完酒還不算完，我還要處理這些信息，并把它們可視化，以便在下面觀看。
每一種葡萄酒都有相應的年份，品嘗完了之后要打個分，然后給出一個判斷。這個判斷，也就是我們希望人工智能之后能夠自己做出的判斷：Y代表好喝，N代表不好喝。
相關的數據都記錄在了電子表格中（左），但是為了讓大家看得舒服，我把所有的數據都可視化了（右）。
算法
接下來，就要進行下一件事情了。把紅色區域和藍色區域分開，你能做到嗎？機器學習就是要選擇一種算法來完成這個過程，選了哪個算法，就決定了最后會得到哪種模型。
如果你想著劃一條線來完成這項工作的話，那恭喜你！你剛剛發明了一種機器學習算法，它的名字叫……感知器（perceptron）。是的，就是這么高大上，它的名字就是這么酷炫。請不要被機器學習中的“行話”嚇倒，通常情況下都是大忽悠。
但是，你劃的線應該指向哪里呢？我們的目標是把Y和N分開，劃一條直線并不是一個非常聰明的解決方案。
我們選擇一種機器學習算法的目的，是為了找到最合理的地方劃出分界線。這需要通過優化目標函數來完成。
優化
你可以這樣想：目標函數就像是棋盤游戲的規則一樣，優化就是找到一個能夠獲得高分的玩法。
從傳統上來說，在機器學習中，我們更喜歡“棍棒”而不是“胡蘿卜”。也就是對錯誤進行計分。這就是為什么機器學習中的目標函數被稱為“損失函數”，目的就是要盡量減少損失。
想親自玩一把嗎？回到上面的那張圖，用你的手指在屏幕上劃線把Y和N分開，直到零失誤。感知器同志，感覺到未來觸手可及了嗎？
也許，你得到的解決方案是這樣的：
最左邊的這種結果，我沒有嘗試過。中間的那個也不太合適。我最喜歡的是最右邊那個。
算法是具有多樣性的，它們之間最不同的一個方面，就是它們怎么去確定分界線。
癡迷于優化的那群人會告訴你，以微小的增量調整分界線是不明智的，還有更好、更快的方法來找到最佳位置。一些研究人員致力于花一輩子的時間找出一種方法，不管數據多復雜，都能最簡單地找到最好的分界線位置。
算法的另一個不同的方面是邊線的形狀。邊界線不一定是直的。不同的算法，使用的邊界線形狀也不同。如下圖：
為追趕潮流的人設計的算法
如今，沒有一個追趕數據科學浪潮的人會選擇用直線來區分。那些看上去很靈活、很彎曲的線在他們之中非常流行。他們會使用其實并沒有多少神經的神經網絡算法。我更傾向于稱它們為“瑜伽網絡”或者是“多層數學運算”，但好像沒有人喜歡我的這種叫法。
不同的算法會告訴你，它們會在數據中放置什么形狀的邊界線。但如果你是一個應用型的機器學習愛好者，記不住它們那種天書般的名字也沒關系——在實踐中，你只需要盡可能多地將數據輸入到算法中，然后重復執行那些看起來很有希望的事情就行了。
模型
一旦邊界線劃好了，算法也就完成了，你就能從中得到你想要的東西了：一個模型。在下一次我給它“看”一瓶新的葡萄酒的時候，它就能將數據轉換成決定。
標簽
一旦你把新鮮出爐的模型投入使用，在計算機中輸入葡萄酒的年份和評價分數后，你的模型會給它找出對應的區域并輸出標簽。
那問題來了，我們如何知道它是否有效呢？誰知道這是不是瞎搞？最直接的辦法就是對輸出進行檢查。
通過運行一堆新數據來測試你的模型，并確保它能夠一直能夠良好的運行。事實上，無論模型是算法想出來的還是程序員想出來，都要這樣做。
結語
在我此前的另一篇文章中，我對整個過程進行了一個類比：
詩人與機器學習
如果你看不懂這個類比，也許你會喜歡這個：詩人會選擇一種方法(算法)，將文字寫在紙上。這種方法決定了詩歌的形式(邊界線形狀)是俳句還是十四行詩？一旦他們以最佳的方式完成了十四行詩，它現在就是一首詩(模型)。
機器學習模型與傳統的編程
但是，以這種方式得到的模型，與程序員通過觀察問題，并手動制定一些規則來編寫的代碼沒有太大的不同。二者在概念上是相同的。
不要到處說機器學習的“再訓練”（retraining）有多厲害了。程序員也可以坐在那里調整代碼以響應新的信息。
這就是全部了嗎？
是的，差不多了。機器學習工程中最困難的部分就是安裝軟件包，接著就是處理數據集，然后就能在上面運行一個有限的算法了。
接下來就是“超參數調優”，別被忽悠住了，不過是在生成一個模型之前，沒完沒了地擺弄代碼設置而已。
當你使用新的數據評估這個模型的時候，如果結果不太理想，你還得一遍又一遍地重復，直到能夠拿出手。 這就是為什么雇傭一些對失敗有耐心的人來做這件事非常重要。如果是個玻璃心，估計撐不了幾回合就吐血了吧。
如果你期待有什么奇跡，我勸你越早失望越好。機器學習是非常枯燥的過程。但是，如果你能夠耐得住性子，你能做的事情將會是非常不可思議的。它可以幫你寫下你自己都想不到的代碼，還讓你能夠把那些不可言說的代碼自動化。
最后，提個醒。不要因為簡單而討厭它。要知道，杠桿也很簡單，但它可以撬動整個地球。
