剖析机器学习流行势头依旧不减的原因

本是古典何须时尚 2022-09-11 07:16 58阅读 0赞

### 文章目录 ###

*  内容介绍
 *  成熟的领域
 *  丰富数据
 *  丰富计算

# 内容介绍 #

现在了解什么是特别的使机器学习成为一个有吸引力的研究领域是很重要的。知道为什么它现在是流行的，可以作为一个指南，与知识的承诺，该领域作出。它可以突出公开的问题和方法，这些都是增长领域，以及为什么会出现这种情况。

机器学习现在很流行。这种流行的一个例子是对斯坦福大学的在线机器学习课程的回应，该课程在第一年就有数十万人表现出了兴趣。也谷歌趋势这跟踪了搜索词的流行程度，表明对机器学习的搜索将超过人工智能搜索的速度。机器学习正在超越教科书，像O‘Reilly和Manning这样的技术出版商为非专业的技术读者出版机器学习方面的书籍。

在这篇文章中，我们将回顾导致机器学习成为流行的因素的汇合。

# 成熟的领域 #

机器学习领域在过去的十年里已经成熟了很多，在过去的几年里发生了很大的变化。  
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]

机器学习起源于人工智能领域，是从数据或经验中学习的方法的集合。这些分支包括遗传算法和群体智能等领域，它们可以被认为是从环境中学习的方法。

从1999年代末到2000年代，这些生物启发的方法进一步分离成自己独特的领域，通常称为元启发式或计算智能，而机器学习则专注于从数据中学习的方法。

这一成熟工作的重点是从统计领域大量吸收重新适用的方法，并促进该领域方法的统计和概率基础。因此，机器学习机制正在向统计机器学习转移。

除了领域同一性的成熟外，在领域中使用的方法也已经成熟。已经发展了强有力的方法，它们的原理在统计和概率框架中得到了很好的理解。实现这些方法的工具也已经成熟了10年和20年，例如R统计工作台而韦卡框架。这些方法已经并将继续进入主流。

# 丰富数据 #

现在有大量的数据，正在收集和存储的数据正在增加。  
类似“信息过载“评论一般人可以得到的信息。来自电子邮件、社交网络、博客、RSS和播客的信息如此之多。很难跟上。对于缺少有用内容的担忧以及寻找和跟踪最佳内容的压力是非常真实的。机器学习方法提供了定位工具，并向您推荐最相关的内容，以克服信息过载。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_19_color_FFFFFF_t_70_g_se_x_16]

我们每天使用和与之交互的系统正在创建描述这些交互作用的数据。类似“数据排气“用于描述该数据的创建。这些数据对于收集数据的组织来说是有价值的，如果数据是可用的，那么它对数据创建的煽动者也是有价值的。机器学习提供了将从废气中收集的数据转化为有意义的信息以推动决策的方法。

有些数据是正在收集的，而且可以收集到，这些数据不是为个人收集的，也不是以以前的规模收集的。像这样的团体量化自我正在探索追踪和收集有关人类日常信息的所有方法，从心脏跳动、呼吸、台阶等生物信息，到对话和言语等互动。手机上覆盖着传感器，可以监视周围地区的方位、位置、音频和视频。

这些数据流可以在诸如人员、地点和组织等汇合点上相遇，甚至可以回答的问题都是可以回答的。

一个偶然的例子是在一个地方(比如你的家庭办公室)模拟你的精神状态(比如无聊或拖延)，并触发干预(比如激励有针对性的行动)来优化你的目标(比如生产力)。机器学习方法提供了使用大量看似不同的数据来建模复杂问题的能力。

# 丰富计算 #

计算量大，成本低。这就是为什么有大量的数据，以及为什么我们有更强大的机器学习方法可用。

![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16 1]

只要我还记得，我就已经为长时间运行的算法编写了脚本和程序。我会认真考虑我想要回答的问题(比如哪个算法更好，哪个算法参数更好，等等)，编写脚本或程序来回答这个问题，并在我工作一周甚至整个星期的时候，一夜之间运行这个实验。

世界已经发生了很大的变化，有非常强大的计算机，你可以租到每小时几美元，并在巨大的数据集上进行非常大的实验。

廉价的、丰富的计算允许您在托管的基础设施上运行实验，您永远不会考虑在工作站或家用PC上运行这些基础设施。

这种丰富的计算还意味着您可以编写比它们所使用的更多的系统。在运行电脑游戏时，所有的CPU时间都分配给图形引擎。慢慢地和稳定地，越来越多的计算是可用的人工智能，让计算机控制的对手变得更聪明和更吸引人。这是一般计算方法的类比。我们有这么多，而且非常便宜，以至于我们积极地设计系统，把核心活动的周期从核心活动转移到我们以前没有考虑过的事情上。例如，为个人用户建模，以定制应用程序和网站的用户界面，并在网络初创企业中运行关于客户行为的高级报告，这两种行为以前通常只适用于大型企业。

机器学习之所以流行，是因为计算量大、成本低。大量廉价的计算推动了我们收集的大量数据和机器学习方法能力的提高。

在这篇文章中，您了解到机器学习现在很流行，原因有三个：

*  这一领域在身份方面以及在方法和工具方面都已成熟。
 *  有大量的数据可供学习。
 *  有大量的计算可以运行方法。

对于如何利用大量的计算和数据，以及机器学习的成熟领域，你有什么想法吗？留下评论。

[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/191e99082d4f417f9a6ab31ebbb9d840.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_19_color_FFFFFF_t_70_g_se_x_16]: /images/20220828/bf74a61b88bf48fcab6079b7c2745ea4.png
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBATXLmlbDmja7mnag_size_20_color_FFFFFF_t_70_g_se_x_16 1]: /images/20220828/c05156a0c44b4cb6bf55c689855e235d.png