這篇文章主要面向的是非專業(yè)的讀者，簡單直白地介紹了機器學(xué)習(xí)的概念、內(nèi)涵、以及機器學(xué)習(xí)的相關(guān)問題。對于專業(yè)人士而言也可以依據(jù)這篇文章對機器學(xué)習(xí)的概念做更深入的理解，看看如何向身邊朋友們解釋你所從事的工作。

1. 機器學(xué)習(xí)意味著從數(shù)據(jù)中學(xué)習(xí)，而AI呢是一個比較炫酷時髦的詞。

機器學(xué)習(xí)基于這樣的假設(shè)：我們可以通過將正確的數(shù)據(jù)放到正確的算法中去訓(xùn)練解決一系列復(fù)雜的問題。當(dāng)你需要融資或者發(fā)布產(chǎn)品的時候可以毫不猶豫的稱之為人工智能（AI），但是你心里需要明白現(xiàn)在AI是一個幾乎可以代表一切時髦用詞。

2. 機器學(xué)習(xí)包括數(shù)據(jù)和算法，但最主要的部分還是數(shù)據(jù)。

機器學(xué)習(xí)算法特別是深度學(xué)習(xí)近年來取得了極大的成功，但是你需要明白的是數(shù)據(jù)才是使機器學(xué)習(xí)成為可能的關(guān)鍵因素。你可以使用簡單的算法實現(xiàn)機器學(xué)習(xí)，但是沒有好的數(shù)據(jù)你將寸步難行。

3. 如果沒有大量的數(shù)據(jù)，那么你還是安心的使用簡單的模型吧。

機器學(xué)習(xí)的任務(wù)是從數(shù)據(jù)中訓(xùn)練出一種模式，探索由參數(shù)定義的模型空間。如果你的參數(shù)空間太大的話，模型就會在訓(xùn)練數(shù)據(jù)上出現(xiàn)過擬合，并使得模型失去泛化性。 關(guān)于過擬合的詳細解釋需要很多的數(shù)學(xué)推到的，但是你需要記住的是，模型越簡單越好。

4.機器學(xué)習(xí)的能力只能到達訓(xùn)練數(shù)據(jù)所能提供的水平。

“無用輸入，無用輸出”很好的反映了機器學(xué)習(xí)的局限性。機器學(xué)習(xí)只能在提供的訓(xùn)練數(shù)據(jù)中發(fā)現(xiàn)模式，不能夠憑空學(xué)習(xí)出新模式。對于類似分類的監(jiān)督學(xué)習(xí)任務(wù)來說你需要魯棒的收集正確標(biāo)注的特征豐富的數(shù)據(jù)來作為訓(xùn)練數(shù)據(jù)。

5.只要訓(xùn)練數(shù)據(jù)具有代表性的情況下機器學(xué)習(xí)才會有效。

就像教課書中曾經(jīng)教會我們的一樣“過去的表現(xiàn)并不是未來結(jié)果的保障”，機器學(xué)習(xí)只能在于訓(xùn)練數(shù)據(jù)同分布的數(shù)據(jù)上有效。你需要對訓(xùn)練數(shù)據(jù)和實際數(shù)據(jù)之間統(tǒng)計上的不對稱性保持足夠的警覺，同時需要保持模型不斷地被訓(xùn)練讓它不落伍。

6.機器學(xué)習(xí)中最復(fù)雜的工作來自于數(shù)據(jù)轉(zhuǎn)換。

在閱讀文獻的時候你會看到很多眼花繚亂算法，你也許認為機器學(xué)習(xí)最主要的工作便是選擇算法和調(diào)節(jié)參數(shù)。但真實的情況是：機器學(xué)習(xí)中需要做的最多的工作就是數(shù)據(jù)清洗和特征工程，你需要將數(shù)據(jù)的原始特征轉(zhuǎn)換到能更好的表示其中信息的新特征上去。

7. 深度學(xué)習(xí)是一項革命性的技術(shù)，但卻不是包治百病的靈丹妙藥。

近些年來深度學(xué)習(xí)被捧上神堂，遠遠超過了其他的機器學(xué)習(xí)算法。其中的原因之一就是深度學(xué)習(xí)可以自動完成傳統(tǒng)機器學(xué)習(xí)算法中需要特征工程才能實現(xiàn)的任務(wù)，特別是在圖像和聲音數(shù)據(jù)的處理中更是如此。但是我們需要明白深度學(xué)習(xí)不是萬金油，你只能在一定的范圍內(nèi)應(yīng)用這項技術(shù)，同時你也需要在數(shù)據(jù)清洗和變換上花上很多的精力才行。

8.機器學(xué)習(xí)極易受到誤操作的影響。

“機器學(xué)習(xí)算法不會殺人，而人類卻可能會自掘墳?zāi)?rdquo;。當(dāng)機器學(xué)習(xí)算法失效的時候，很少因為算法本身的的錯誤，而大多數(shù)情況下卻是人為的錯誤造成的。很多情況下你在訓(xùn)練數(shù)據(jù)中不小心引入了認為錯誤，或者引入了偏差和其他的系統(tǒng)錯誤。你需要時刻保持懷疑的態(tài)度來使用機器學(xué)習(xí)算法，并在應(yīng)用的過程中進行嚴格的檢查。

9.機器學(xué)習(xí)會在不經(jīng)意間實現(xiàn)自我預(yù)言。

在很多機器學(xué)習(xí)的應(yīng)用中，今天的決策會影響未來收集的訓(xùn)練數(shù)據(jù)。一旦機器算法模型引入了一定的模型偏差，那么它會持續(xù)的收集新的數(shù)據(jù)不斷強化這一偏差。事實上有些這樣的偏差確實會奪取人寶貴的生命。每一個機器學(xué)習(xí)從業(yè)者都要在心中銘記：不要創(chuàng)造自我實現(xiàn)的預(yù)言！

10. AI不會擁有自我意識，也不會崛起摧毀人類的。

令人驚訝的是，在機器學(xué)習(xí)如此普遍的今天，好多人卻依舊用科幻小說和電影中的情節(jié)來定義和認識AI。的確，科幻小說可以啟發(fā)人的創(chuàng)造力，但卻不應(yīng)該如此輕信科幻小說，以致于我們對真實的世界產(chǎn)生誤解。今天的世界已經(jīng)有很多需要我們?nèi)リP(guān)注的危險，從別有用心的邪惡的人到無辜的被濫用的機器。所以請大家不要再去擔(dān)心“天網(wǎng)”和超級人工智能的出現(xiàn)，而是應(yīng)該用審慎的心態(tài)去看待機器學(xué)習(xí)，讓它更加健康的發(fā)展為人類服務(wù)。