初识人工智能

人工智能：用人工的方法在机器（计算机）上实现的智能；或者说是人们使机器具有类似于人的智能。人工智能学科：人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。

日常生活中的人工智能：指纹、人脸识别解锁商品推荐、智能物流、仓储机器人智能助手、智能语音图像编辑、智能美图等

日常生活中人工智能学习：语音识别系统：小爱、siri等采集一个包含大量音频样本的数据集，并对包含和不包含唤醒词的样本进行标注；设计一个灵活的程序算法，其输出由许多参数决定，然后使用数据集来确定当下的“最佳参数集”，这些参数通过某种性能度量方式来达到完成任务的最佳性能。

机械学习的关键组建：

模型

数据

目标函数

定义一个目标函数，并优化它到最小值——损失函数。预测数值任务——平方误差：预测值与实际值之差的平方。预测分类任务——最⼩化错误率：预测与实际情况不符的样本⽐例。损失函数是根据模型参数定义的，并取决于数据集。在一个数据集上，我们可以通过最⼩化总损失来学习模型参数的最佳值。

无论什么类型的机器学习问题，都会遇到这些组件：1. 可以用来学习的数据（data）；2. 如何转换数据的模型（model）；3. ⼀个目标函数（objective function），用来量化模型的有效性；4. 调整模型参数以优化目标函数的算法（algorithm）

机器学习（machine learning，ML）是一类强大的可以从经验中学习的技术。通常采用观测数据或与环境交互的形式，机器学习算法会积累更多的经验，其性能也会逐步提高。监督学习监督学习（supervised learning）擅⻓在“给定输⼊特征”的情况下预测标签。每个“特征-标签”对都称为一个样本（example）。我们的目标是生成一个模型，能够将任何输⼊特征映射到标签（即预测）。

无监督学习数据中不含有标签的机器学习问题。聚类问题主成分分析问题因果关系和概率图模型生成对抗网络