【文末福利】传统人工智能算法还有人看吗??
自2012年AlexNet在世界级图像识别大赛(ImageNet)一骑绝尘以来,深度学习就几乎成了人工智能的代名词。不过若从更高处看,深度学习只是人工智能浪潮中的一朵小浪花,是机器学习的一个真子集。下图给出了人工智能、深度学习与机器学习的关系,并且将比较一下 传统智能算法(属于机器学习但并非深度学习的算法)和深度学习的关系,对比两者所擅长解决的问题,最后推荐一本浅显易读的入门书籍,希望对大家有所启发。 2022-
人工智能、深度学习与机器学习的关系
广义来说,机器帮助人类所完成的一切,都属于人工智能。也许你还记得20世纪初那些自动化系统中动辄上万条的规则,那是人工智能的萌芽时期:专家系统。 能够从数据中自动抽取出这些规则的方法,被称为机器学习。从逻辑回归到决策树,一路走到今天的特征工程与模式识别——用多层神经网络(也就是深度学习)所完成的那些工作,仍然逃不脱“找到数据中的规律”这一框架。
AI的演进
虽然大多数深度学习教程都主要关注其结构(无论网络结构还是算子结构),但实际上,深度学习表现优异的关键离不开优化方法。深度模型的调参真的是“炼金术”吗?网络是如何收敛到最佳表现的?对传统算法的掌握有助于理解深度学习的工作原理,为算法调优(针对深度模型选择更好的参数/超参数)夯实基础。在一定程度上,深度图神经网络、生成式对抗模型等也都属于融合了深度学习与传统算法的创新实践。
传统算法所适用的问题
人工智能三要素:数据、算法和算力。
先是数据。深度学习的发展与21世纪的大数据崛起密不可分。以ImageNet为首的数千万张有标记的图片将深度学习推上王座:动辄几十上百层的模型提供了大量的权重参数,高复杂度与大数据量共同带来了远超传统机器学习算法的精度。然而,对较小的数据集,深度模型的高复杂度却可能会成为负担。此时,传统算法反而能获得更好的效果。
背包问题的较大数据集进行二进制编码
其次是算法。在实践中,常常会碰到这样的情况:相比获得精准的结果,专业人员更关心这个结果是怎么来的。譬如,市场部门想要知道在给定的内外部环境下,某个营销策略会对实际销量带来怎样的影响(受市场条件限制,有效数据量往往相当有限)。此时,能够明确展示拟合系数和响应之间的关系的线性模型就会成为我们的首选。包含医疗、勘探、金融在内的大量垂直领域都要求算法具备高可解释性,以结合人类专家意见做出决策。在这一方面,相比“黑盒”深度模型,传统算法显然更胜一筹。
最后是算力。大模型加上大数据当然离不开大算力。一张高端深度学习训练卡价格高达数万元,在谷歌最新发表的自动架构搜索(AutoML)论文中,一场实验需要800张卡跑上几个星期:不谈买机器的钱,单电费就烧掉一辆宝马。即使确然能够带来几个百分点的精度提升,但如此大的消耗对于只想解决日常工作中的小问题的你我来说实在昂贵。为什么不先尝试一下传统算法呢?用自己的笔记本电脑就能够得到一个初步可用的基线结果。在此基础上,再来结合深度学习或是其他复杂模型来进一步提升精度。
某个在三维空间中可视化为曲面的函数
对于需求实时响应的低成本任务来说,传统算法不失为一种好的选择。对于具备大量数据的复杂任务来说,不妨借助深度模型来得到更高的精度。知己知彼,因地制宜,取二者所长,才能得到最适合你的解决方案。
理解了机器学习和深度学习分别适合解决什么问题,咱们再看怎么学习。
这里要推荐一本浅显易读的人工智能算法入门《人工智能算法图解》。
无需线性代数或是统计学基础,只需掌握任何一门编程语言(不管是C、Java、Python还是PHP),这就会是一本能够让你在两周之内亲自将人工智能算法嵌入手头项目的书。
书中重点涵盖的算法簇包括搜索算法、进化算法与群体智能算法。每簇算法由浅入深分上下两章,上章基础篇围绕各种实际案例阐述算法设计理念,下章高级篇则带读者思考如何打造更理想的解决方案。同时,本书以典型机器学习工作流为例,讲解了线性回归、决策树、神经网络与强化学习等常见算法类别。读完本书,你将能够掌握数据清洗、训练模型、测试模型、调优算法等一整个学习流程的关键技巧——正所谓万变不离其宗,这将为你之后进一步探索智能世界打下坚实基础。
常见机器学习算法地图
值得说明的是,本书从方法论的角度给出了一系列选择算法的建议。如图所示,书中根据训练数据的不同(已知样本或是已知目标),给初学者提供了相应的算法供选择。配合书中给出的各种样例程序,哪怕是毫无基础的读者也可以根据当前的情况直接获取合适的算法,边干边学,高效迭代。
承接“图解”系列的一贯作风,本书中不会出现任何公式,取而代之的是各种实战图例。只需高中数学水平和基础编程知识,你就可以顺利解决书中所示从智能对弈到停车场寻路等各种案例。更棒的是,算法核心代码往往相对独立运作,不会像真正意义上的工程代码那样复杂,百十行就能够轻松解决诸如集装箱自动化配货这种问题(书中所有样例代码均在github上免费开源)。触手可得的智能解决方案,为什么不试试看呢?
推荐阅读
《人工智能算法图解》
***粉丝福利时间***
评论区留言,点赞数 超过60即可
按照留言质量选择前十可获得此书!!!
以 48个小时计!
注:若是在活动截止日期后24小时内无法取得用户回复或联系,将按照留言点赞排名顺延。
我来说两句