一、機(jī)器學(xué)習(xí)可以代替人類學(xué)習(xí)嗎

機(jī)器學(xué)習(xí)是，經(jīng)過大量數(shù)據(jù)訓(xùn)練以及算法優(yōu)化以后，計(jì)算機(jī)可以得出更貼合人常識(shí)的結(jié)論。

人類學(xué)習(xí)是，通過接觸環(huán)境或者知識(shí)來(lái)的（也可以說是“數(shù)據(jù)”），得出自己的結(jié)論。人類也有自己的“算法”，每個(gè)人興許還不怎么相同，這換成另一個(gè)名詞可能叫做“天賦”。

機(jī)器學(xué)習(xí)就像是特定環(huán)境下的人類學(xué)習(xí)，譬如圍棋。事實(shí)證明，經(jīng)過訓(xùn)練以后，計(jì)算機(jī)與人類差別并不大。

同樣的，語(yǔ)音識(shí)別也是，機(jī)器通過大量數(shù)據(jù)以及優(yōu)化算法，可以辨別出哪些是噪音哪些是指令，人在開始學(xué)習(xí)說話的時(shí)候想必也是類似的過程。

還有自動(dòng)駕駛，通過各種傳感信息來(lái)辨別路況，判斷是否安全、該如何行駛。

而以上的機(jī)器學(xué)習(xí)，都只是人類生活中一個(gè)特定地方面，影響因素極其少。影響的因素越多，機(jī)器越容易出現(xiàn)誤判。就如以上，圍棋已經(jīng)和人類不相上下，語(yǔ)音識(shí)別略遜一籌，自動(dòng)駕駛目前還沒有令人特別滿意的結(jié)果。

我是覺得，機(jī)器學(xué)習(xí)像是簡(jiǎn)化版的人類學(xué)習(xí)，人人都有自己的“算法”，并且在成長(zhǎng)的過程中接觸海量的信息，不斷地自我優(yōu)化。

而機(jī)器的算法是依靠人類來(lái)優(yōu)化的，而且某些特定的方面人所能賦予機(jī)器的信息遠(yuǎn)不如自己所能獲取到的，所以機(jī)器總是有所欠缺，有些時(shí)候顯得有些“智障”。

二、學(xué)習(xí)機(jī)器學(xué)習(xí)需要學(xué)編程嗎?

學(xué)習(xí)機(jī)器學(xué)習(xí)有以下目的

(1) 研究計(jì)算學(xué)習(xí)理論(Computational Learning Theory)，這些研究大多不需要編程，會(huì)用Latex寫推導(dǎo)和證明就行了

(2) 創(chuàng)造新的機(jī)器學(xué)習(xí)模型，這個(gè)情況要學(xué)會(huì)使用R和Matlab演示算法

(3) 研究如何將機(jī)器學(xué)習(xí)應(yīng)用于大數(shù)據(jù)，這種情況不僅要學(xué)會(huì)Matlab, Java, Python或R，還需要學(xué)習(xí)Hadoop, Spark, CUDA等計(jì)算工具

(4) 成為企業(yè)的數(shù)據(jù)科學(xué)家，這種情況下不僅要會(huì)編程，還必須了解企業(yè)系統(tǒng)的架構(gòu)，并寫出高質(zhì)量的代碼

如果你是數(shù)學(xué)背景不擅長(zhǎng)編程，依然可以搞機(jī)器學(xué)習(xí)了。但編程越少的領(lǐng)域，理論和數(shù)學(xué)就越多，而理論和數(shù)學(xué)往往比編程艱深上萬(wàn)倍，越理論搞的人就越少。

三、人工智能需要什么基礎(chǔ)

學(xué)習(xí)人工智能需要具有一定的算法基礎(chǔ)，算法設(shè)計(jì)是人工智能研發(fā)的核心之一，所以具有一個(gè)扎實(shí)的算法知識(shí)基礎(chǔ)，對(duì)于后續(xù)的學(xué)習(xí)會(huì)有比較大的幫助。對(duì)于本科生來(lái)說，可以參加一些專業(yè)比賽以便于促進(jìn)算法相關(guān)知識(shí)的學(xué)習(xí)。

機(jī)器學(xué)習(xí)是打開人工智能技術(shù)大門的鑰匙，很多人工智能方向的研發(fā)都離不開機(jī)器學(xué)習(xí)的支撐，包括自然語(yǔ)言處理、圖像處理等，所以一定要重視機(jī)器學(xué)習(xí)相關(guān)知識(shí)的學(xué)習(xí)，初期可以借助于編程語(yǔ)言來(lái)完成一些常見機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)，然后再逐漸深入。學(xué)習(xí)機(jī)器學(xué)習(xí)需要具有一定的程序設(shè)計(jì)基礎(chǔ)，比如Python在機(jī)器學(xué)習(xí)領(lǐng)域的應(yīng)用就比較多。

在具備了一定的基礎(chǔ)之后，可以繼續(xù)了解一下人工智能平臺(tái)，目前很多科技公司都開放了自己的人工智能平臺(tái)，可以通過這些人工智能平臺(tái)來(lái)完成一些具體的應(yīng)用，這個(gè)過程也會(huì)鍛煉自身的動(dòng)手實(shí)踐能力，對(duì)于人工智能技術(shù)的理解也會(huì)更加深刻。

四、現(xiàn)在的基于機(jī)器學(xué)習(xí)的醫(yī)學(xué)圖像處理算法達(dá)到了應(yīng)用級(jí)別的要求了嗎

只能說現(xiàn)在在深度學(xué)習(xí)的幫助下，很多場(chǎng)景下可以做到跟手動(dòng)分割十分接近的結(jié)果。當(dāng)然對(duì)于某些圖像目標(biāo)來(lái)說，不同醫(yī)生手動(dòng)分割的偏差也挺大，但要獲取這些組織的絕對(duì)ground truth又不大現(xiàn)實(shí)。總之，不同組織目標(biāo)、不同的圖像模態(tài)，情況都不盡相同，沒法籠統(tǒng)分析。

五、）在機(jī)器學(xué)習(xí)中很重要嗎

機(jī)器學(xué)習(xí)是一種數(shù)據(jù)分析方法，它可以自動(dòng)分析模型的建立。使用迭代學(xué)習(xí)數(shù)據(jù)的算法，機(jī)器學(xué)習(xí)可以使電腦在沒有被明確編程看哪里時(shí)，發(fā)現(xiàn)隱藏的領(lǐng)域。

迭代在機(jī)器學(xué)習(xí)中是非常重要的，因?yàn)橛辛怂拇嬖冢Ｐ驮谟龅叫碌臄?shù)據(jù)時(shí)，便能夠獨(dú)立地適應(yīng)數(shù)據(jù)。它們可以從先前產(chǎn)生的可靠計(jì)算，重復(fù)的決定和結(jié)果中進(jìn)行學(xué)習(xí)。機(jī)器學(xué)習(xí)并不是一個(gè)全新的學(xué)科-而是獲得新動(dòng)力的學(xué)科。

由于新型計(jì)算技術(shù)的產(chǎn)生，如今的機(jī)器學(xué)習(xí)與以往大不相同。盡管很多機(jī)器學(xué)習(xí)算法已經(jīng)存在了很長(zhǎng)時(shí)間，但自動(dòng)將復(fù)雜的數(shù)學(xué)計(jì)算應(yīng)用到大數(shù)據(jù)的能力（一個(gè)又一個(gè)，越來(lái)越快）是最新的進(jìn)展。下面這些廣泛宣傳的機(jī)器學(xué)習(xí)應(yīng)用程序的例子，你可能非常熟悉