罗辑思维荐书集锦套装共24册第二章 榨取数据机器能学会的知识

一秒记住【xiaoyanwenxue】精彩无弹窗免费！

“罗辑思维荐书集锦（套装共24册）（.shg.tw）”

！

第二章榨取数据——机器能学会的知识

导读

在深入探讨机器如何学习暗知识之前，我们先要知道机器也能够自己学习明知识和默知识。

在这一章我们介绍机器学习的五大流派的底层逻辑和各自不同的先验模型。

虽然现在神经网络如日中天，但其他四大流派也不容忽视。

上一章我们说了人类通过感官和逻辑能掌握明知识和默知识，但人类对暗知识既无法感受也无法理解。

现在我们要看看机器能掌握哪些知识，并擅长掌握哪些知识。

机器学习明知识

计算机科学家最早的想法是把自己的明知识，包括能够表达出来的常识和经验放到一个巨大的数据库里，再把常用的判断规则写成计算机程序。

这就是在20世纪70年代兴起并在20世纪80年代达到高潮的“知识工程”

和“专家系统”

。

比如一个自动驾驶的“专家系统”

就会告诉汽车，“如果红灯亮，就停车，如果转弯时遇到直行，就避让”

，依靠事先编好的一条条程序完成自动驾驶。

结果你可能想到了，人们无法穷尽所有的路况和场景，这种“专家系统”

遇到复杂情况时根本不会处理，因为人没教过。

“专家系统”

遇到的另一个问题是假设了人类所有的知识都是明知识，完全没有意识到默知识的存在。

一个典型的例子是20世纪80年代中国的“中医专家系统”

。

当时计算机专家找到一些知名的老中医，通过访谈记录下他们的“望闻问切”

方法和诊断经验，然后编成程序输入到计算机中。

在中医眼中每一个病人都是独特的。

当他看到一个病人时会根据经验做出一个整体的综合判断。

这些经验连老中医自己都说不清道不明，是典型的默知识。

所以中医诊断绝不是把舌苔的颜色划分成几种，把脉象分成几十种，然后用查表方式就可以做判断的。

“专家系统”

既不能给机器输入足够的明知识，更无法把默知识准确地表达出来输入给机器。

所以，“专家系统”

和“知识工程”

在20世纪80年代之后都偃旗息鼓了。

本章未完，点击下一页继续阅读