理解为什么现在机器学习如此热门

编者按：Infinite Red首席技术架构师Gant Laborde通过有趣的视频和平易近人的文字带你入门机器学习。

如果你对人工智能和机器学习的了解是一个大大的问号，那么本文正是为你准备的。我将通过富于灵感的视频和平易近人的文字逐渐增加你的卓越度（Awesomenessicity™）。

坐下来，放松一点。这些视频时长分别在5-20分钟，如果这些视频不能给你足够的启发，你完全可以停止阅读后文。然而，如果你发现你读到了文章的末尾，那么你已经具备足够的知识和激情进入一个全新的世界。进行到哪一步，完全取决于你。

理解为什么现在机器学习如此热门

A.I. 一直很酷，《乓》中移动乒乓球拍的是A.I.，《街霸》中用组合技把你打上天的也是A.I.

雅达利1972年推出的乒乓球街机游戏

A.I.总可以通过程序员的猜测来实现，程序员猜测某事物应该如何表现。有意思的是，程序员并不像我们经常认为的那样具备编程A.I.的天赋。google搜索“epic game fails”（史诗级的游戏失败），你可以看到大量游戏中A.I.和物理系统的故障（有时能看到有经验的人类玩家的失败）。

不管怎么说，现在A.I.有了一项新天赋。你可以教授计算机玩视频游戏，理解语言，甚至如何识别人物或物体。这些新技术的冰山一角来自一个古老的概念，这一概念仅仅在最近才获得足够的处理能力，从而能够存在于理论之外的场景。

我说的是机器学习（Machine Learning）。

你不再需要想出一个高级的算法。你只需教授计算机自己想出一个高级算法。

这样的事情到底是怎么发生的？算法更多地不是写出来的，而是繁殖出来的。我并没有使用繁殖作为类比。

哇！这是一个疯狂的过程！

算法实现之后，我们怎么能够不理解算法是如何运作的呢？下面的视频展示了一个通关马里奥的A.I. 身为人类，我们都了解如何玩横向卷轴游戏。但是A.I.的预测策略很是疯狂。

令人印象深刻吧？这个想法很令人惊讶，是吧？唯一的问题是我们不知道机器学习，而且不知道如何将机器学习接入视频游戏。

幸运的是，Elon Musk创办了一家非盈利公司OpenAI，让你只用写几十行代码就可以将任何A.I.接入无数的游戏/任务。

为什么应该使用机器学习

关于你为什么应该在乎机器学习，我有两个好答案。首先，机器学习（ML）正让计算机处理我们之前从未让计算机处理的任务。如果你想做一些新的事情，并不仅仅对你而言是新的，而且对世界而言是新的，你可以用ML来做这件事。

其次，如果你不影响世界，世界将影响你。

现在知名公司正投资ML，ML将改变世界，我们拭目以待。思想领袖发出警告，我们不能让这一新时代的算法脱离公众视线。想象一下如果某几家企业控制互联网会是什么结果。如果我们不参与，科技将不属于我们。我认为Christian Heilmann关于ML的演讲中说得很好：

我们可以希望其他人仅仅善意地使用这一力量。我却是不看好这个赌博的人。相反，我宁愿成为这场革命的一部分。你也可以。

好，现在我有点兴趣了……

这个概念挺有用，也挺酷的。我们已经在一个较高的层次了解这个概念，但机器学习的过程中到底发生了什么？它是如何工作的呢？

如果你想直接上手，我建议你跳过这一小节，直接阅读下面的“如何入门”一节。如果你的动机是想应用机器学习技术，你不需要阅读这一节。

如果你想要尝试理解机器学习的工作机制，推荐观看下面的视频，该视频使用经典的机器学习手写作为例子，带你了解机器学习的逻辑。

网络就像一个函数，随着层数的加深，小块咀嚼数据，最终得到抽象概念。Adam Harley做了一个交互界面，你可以在上面亲自手写数字，看看神经网络模型能否正确识别，以及相应各层的激活情况。

上面的交互界面展示的是数据流经已训练模型的过程，而JavaFXpert开发的JavaFXpert/visual-neural-net-server项目（代码发布于GitHub上）则可视化了网络的训练过程。

演示使用的数据集是iris数据集（源自1936年），可视化了神经网络上反向传播权重的过程。

我是通过JavaFXpert面向Java开发者介绍机器学习的报告上发现这个可视化工具的。即使你不是Java开发者，我也推荐你观看JavaFXpert的这次报告，因为其中介绍了很多机器学习的概念。

你可以在YouTube上观看这次报告：（时长一个半小时）

https://www.youtube.com/watch?v=I7GMyP6jdU0

译者注：如果访问YouTube遇到麻烦，文末附有获取视频下载地址的方法。

这些机器学习的概念真是令人激动！机器学习领域每天都有突破，所以请从现在开始。

如何入门

机器学习有很多资源。我将推荐两条路线。

基本原理

通过这条路线，你将在算法和数学层面理解机器学习。我知道这听起来很难，但是从头开始，理解细节和代码是很酷的。

如果你打算加入ML的主力军，并深入参与讨论，那么这是为你准备的路线。

我建议你尝试下Brilliant.org的应用（对任何喜爱科学的人而言，这是一个很棒的应用），然后参加上面的人工神经网络课程。该课程没有时间限制，你需要用手机打发时间的时候可以学下ML。

注意，本课程在等级一之后需要付费。

你可以同时学习吴恩达的机器学习课程（斯坦福线上课程）。上面提到的JavaFXpert的报告中推荐了这门课程。另外，Jen Looper也向我推荐过这门课程。

很多人警告说这门课程比较难。对某些人来说，这意味着知难而退，但对另一些人而言，这正是深入学习这门课程并取得认证的理由。

课程是100%免费的。不过，如果你打算取得认证的话，需要为此支付一笔费用。

这两门课程中有很多动手实践的地方。如果你成功完成了这两门课程，会让每个人印象深刻，因为它们可不简单。

不过，更重要的是，如果你确实完成了这两门课程，你将深入理解机器学习的实现，有助于你以创新的方式应用机器学习改变世界。

极速赛车手

如果你对编写算法不感兴趣，但希望使用机器学习创建下一个突破性的网站/应用，你应该直接跳到TensorFlow以及相应的速成课程。

TensorFlow是机器学习开源软件库的事实标准。它有无数的应用，你甚至可以在JavaScript中使用TensorFlow。

如果参加一门课程不是你的风格，你很幸运。今时今日，你无需学习ML的本质就可以应用它。你可以有效地将ML作为一项服务使用，利用技术巨头训练好的模型。

不过我仍然提醒你注意，这样可无法保证你的数据的安全性（甚至是你自己的安全性），不过ML服务很有吸引力。

如果你方便上传数据到Amazon/Microsoft/Google，也许使用ML服务对你而言是最佳方案。我喜欢将这些服务看作是通向更高级的ML的介绍人。无论如何，现在就开始是个好主意。

让我们成为创造者

我想借此机会向所有之间提到的人以及视频作者表示感谢。他们在我的入门过程中给了我不少启发，尽管我现在仍然是ML世界的一个新人，我很高兴能为其他人照亮拥抱这一令人惊叹的新时代的路径。

当你开始学习新东西的时候，和他人交流是比不可少的。没有友好的面孔、答案、热闹的讨论区，任何事情都会很难。能够提问并得到答案，效果大不一样。你可以在推特上关注我（@GantLaborde），以及前面提到的其他人。Reddit的MachineLearning板块也是一个交流的好地方。

下面是一个真实的例子，我在推特上和朋友讨论高方差和过拟合问题。

我希望这篇文章启发了你和你周围的人来学习ML！