机器学习是人工智能 (AI) 的一个子集，它使用算法从数据中学习。如果您熟悉 AI，因为最近有新闻报道它可用于抵御网络攻击或导致自动驾驶汽车事故，那么您会很容易理解这一点。机器可以在没有人类编程的情况下“学习”的想法可以追溯到最近几年；想想机器学习历史上的第一台计算机，它们一次只能做一件事。要了解此概念的实际示例，请考虑 Clickworker 如何通过其创新的众包方法促进人脸识别软件的训练。您可以在此处阅读此案例研究。
机器学习对当今商业应用如此重要的主要原
因之一是它可以帮助企业提高流程效率，并通过人工智能辅助聊天机器人或自动电子邮件提供更好的客户服务。它还提供出色的工具来 商店 帮助其他人学习地理或历史事件等新事物！
目录
- 什么是机器学习？
- 机器学习的早期历史
- 1943 年：第一个带有电路的中性网络
- 1950 年：图灵测试
- 1952 年：计算机跳棋
- 1957 年：弗兰克·罗森布拉特（Frank Rosenblatt）——感知器
- 1967 年：最近邻算法
- 1974 年：反向传播
- 1979 年：斯坦福购物车
- 人工智能寒冬
- 历史上机器学习的兴起
- 1997 年：机器在国际象棋比赛中击败人类
- 2002 年：软件库火炬
- 2006 年：深度学习之父 Geoffrey Hinton
- 2011 年：谷歌大脑
- 2014 年：《深面人》
- 2017 年：ImageNet 挑战赛里程碑
- 现在：最先进的机器学习
- 机器人
- 卫生保健
- 教育
- 机器学习的未来
- 量子计算
- 自动机器学习
- 最后的话
什么是机器学习？
机器学习是计算机科学的一个领域，它涉及开发能够从数据中学习的算法。在过去的几十年里，机器学习彻底改变了许多研究领域，最显著的是自然语言处理 (NLP) 和图像识别等领域。这是因为机器学习算法能够提高预测结 让我们说清楚一点 果或解释数据等任务的效率和准确性。
这使得它们对于金融、医疗保健、零售和制造业等各种行业都非常有用。SEO 可能使用机器学习的一个例子是使用预测建模技术来预测用户在给定页面或网站上的行为方式。对于那些有兴趣深入研究有助于丰富机器学习模型的资源的人来说，探索机器学习数据集可以提供有价值的见解。然后可以使用这些信息来相应地调整网站的内容或设计。
机器学习算法有多种类型，每种算法都有自己的优点和缺点。其中最流行的包括监督学习（算法被赋予一组训练数据）、无监督学习（算法被赋予未标记的数据）、强化学习（代理学习将正反馈和负反馈与行为联系起来）、深度神经网络 (DNN)、遗传算法、贝叶斯网络等。然而，需要注意的是，没有一种“最佳”类型的机器学习算法 – 每种算法都有自己的优点和缺点。因此，在做出最终决定之前，探索所有可用的不同选项非常重要。
哲学基础和早期机械发明
人工智能的基础可以追溯到该术语诞生前的几个世纪，涵盖了古代自动机、哲学探究和为现代人工智能奠定基础的早期机械发明。
古代自动机和机械奇迹
人类对创造人工生命和智能的迷恋可以追溯到古代。虽然希腊神话中提到赫菲斯托斯制作了机械仆人，但真正的古代文明却制造出了模仿生物的非凡装置：
- 公元 1 世纪：亚历山大的希罗设计了蒸汽动力自动机和机械剧院。
- 8世纪：巴格达的巴努穆萨兄弟发明了可编程的自动长笛演奏器。
- 13 世纪：维拉尔·德·奥内库尔 (Villard de Honnecourt) 绘制了永动机和机械天使的设计图。
这些早期的自动机代表了机械化人类行为的重要步骤，并引发了关于生命和智慧本质的哲学争论。
哲学基础
17 和 18 世纪出现了一些重要的哲学发展，这些发展后来影响了人工智能：
- 勒内·笛卡尔 (1637)：提出动物和人体本质上都是复杂的机器，为认为智能可能通过机械方式复制奠定了基础。
- 戈特弗里德·威廉·莱布尼茨：设想了一种可以通过逻辑操纵的人类思维的通用语言，预示了现代推理和自然语言处理的计算方法。
- 托马斯·霍布斯 (1651)：将推理比作计算，指出“推理……不过是计算”，这一概念成为认知科学和人工智能研究的基石。
早期的计算设备
17 至 19 世纪出现了机械计算器和逻辑机器，它们预示着现代计算机的出现：
- 1642 年：布莱斯·帕斯卡 (Blaise Pascal) 发明了帕斯卡林 (Pascaline)，这是最早的机械计算器之一。
- 19 世纪 20 年代至 30 年代：查尔 甘肃手机号码一览表 斯·巴贝奇 (Charles Babbage) 设计了差分机和更先进的分析机，被认为是通用计算机的第一个设计。
而逻辑运算和数学计算是人工智能的关键组成部分。哲学对思维和理性本质的探究与计算和逻辑方面的机械创新相结合，为人工智能在 20 世纪中叶作为一个独特领域的出现奠定了基础。