个人日记-学习究竟是什么读后感3-2020/7/13

这周继续说有关学习的话，这周应该是第三次，首先说明，这算是对于有关人如何学习的读后感，并不是教学习方法的，但你能了解人学习行为有意思的地方。为此我们去看看机器是如何学习的，这样反观我们自身学习。

（1）人学习和机器学习
以前的人们，主要想让机器学习人类，只要理解人类是如何学习的，那么机器有人的能力也是早晚的，但是这一派最终还是失败了。早期人们看见鸟儿在天空上飞，就觉得很神奇，在空气动力学完善以前，人们一直尝试学校鸟的行为，比如你可能看见过像鸟一样，让机翼煽动翅膀，虽然这看起来很有意思，但是方向却错了。而早期机器学习也沿用了这一思想，仿照人类学习方式与习惯，最初人们想解决各国语言翻译问题，让机器学习人的语言思维。
想要学人类的语言，比如学习英语和中文进行翻译，必须按照一定规则来翻译，语言自身有结构，所有语言都不是随机排列的，都有语法规则限制。但是这样翻译出来的准确率都很低。打个比方，你妈问你吃饭了吗，你回答说“吃了，饭吃了我，我吃饭了，饭我吃了”中文这样回答别人都听得懂。但是你让一个学习中文的老外来分析，他一定会很懵，主语为我，宾语为饭，动词为吃，它怎么就能饭把我吃了呢？老外尚且如此，更别说机器翻译了。
后来人们转换了思路，不去用语法与规则分析了，直接以大数据匹配的方式，这就好比你说你现在要找对象，那好把你所有的条件都列出来，比如高点的，瘦点的，好看的一点的，总之列完了后，从全世界匹配这个条件，总有一个会满足条件的。那你可能会问了，那要是不满意咋办呢，这个机器就不管了。这个机器学习语言也是这个套路，因为人在特定环境下，回答语句的可能性比较容易预测，还是上边那个例子，你妈问你吃了么，也就回答吃或没吃。大数据进行匹配很容易就能预测回答内容，所以这个机器学习需要大量的数据进行“喂养”。只有喂养足够多了，才能回答的准。
通过教会了机器学习，才出现了面部识别的和比较准确的语言翻译。甚至就连这个最佳学习意外15.87%，也是机器训练得出来的。很多场合感觉机器学习也很强大，那人类的优势又在哪呢。

（2）人类对比机器的优势-抽象能力
现在的人工智能还远远不够强大，并且人类具备机器没有的一项能力-抽象，将一个苹果想象成1这个数字，吃掉苹果后想象成0这个数字，机器人还做不多。
打个比方，你要是问机器从北京到上海最快的火车是哪一个，它立马就能告诉你，寻找最快火车，是一个有限集合内求最大值问题。但是要你问从北京到上海最快的交通工具是哪一个，这个问题对机器来说就太难了，但是你要是问小学三年级学生，他们会告诉你是飞机，有点创意的还会告诉你火箭。这主要是因为这个问题是个开放问题，没有限制条件，机器无法理解这样的开放问题。
再举一个例子，比如阳光明媚，你和你的朋友在公园散步，你说看蝴蝶，你甚至不用指着蝴蝶，只要看着它，你的朋友也知道你说的是什么。但是对于机器学习来说，它看到的是整个画面，它不会知道图片中那个部分是蝴蝶，需要有人为它标记。
所以人类能理解复杂的事情，即使这个事情垮了很多学科范围，没有固定范围，人们就能理解它，但是机器就不行，机器甚至谈不上“理解”一词。

总结，有时候我们应该向机器人学习，它们在很多特定领域很强，就连最佳学习率也是机器学习算出来的。