第 2 课，共 28 课 · AI 基础

什么是机器学习？

机器学习（ML）是人工智能的一个分支：计算机不是靠逐条编写的规则，而是通过例子学会完成任务。机器学习系统会研究数据、找出规律，再用这些规律对新数据做出预测或判断，比如识别垃圾邮件、推荐电影或预估送达时间。

机器学习如何运作

每个机器学习系统都有三个要素。数据：用于学习的例子，比如过往的房屋成交记录和价格。模型：一个带有大量可调设置（称为“参数”）的数学公式。训练：一遍又一遍地微调这些参数，直到模型的预测与例子尽可能吻合。

这和你自己学着估房价很像：看过几百套房子和它们的成交价之后，你会逐渐摸清面积、地段和房况如何影响价格，并不需要谁给你一个公式。Arthur Samuel 1959 年发表的一篇关于下跳棋程序的论文，是最早使用“机器学习”一词的文献之一。

机器学习的三种主要类型

机器学习通常按照系统在学习过程中得到的反馈方式来划分：

监督学习：每个例子都附带正确答案（称为“标签”），比如标注为“垃圾邮件”的邮件。模型学会为新例子预测标签。这是最常见的类型。
无监督学习：例子没有标签，由模型自己发现其中的结构，比如把购买习惯相似的顾客归为一组。
强化学习：系统通过反复试错来学习，做得好就获得奖励，常用于下棋程序和机器人控制。借助人类反馈的强化学习，也被用来调优聊天助手。

机器学习不是什么

机器学习并不等于理解。模型只是在数据中发现相关性，并不知道背后的原因。如果训练数据有偏差或已经过时，预测结果也会如此，这就是常说的“垃圾进，垃圾出”。

它也不总是最佳选择。如果一条简单规则就能解决问题，比如“超过一定金额的订单需经理审批”，那么规则更便宜，也更容易核查。另外，大多数已上线的模型并不会在你使用时继续学习：它们训练完成后就被固定下来投入使用，只有厂商重新训练时才会改变。

你会在哪里遇到机器学习

银行卡盗刷提醒、垃圾邮件过滤、商品和视频推荐、语音输入、相册搜索和送达时间预估，背后都是机器学习。在企业软件中，它用来给销售线索打分、预测需求和标记异常交易。

它也是本课程后续内容的基础：深度学习是机器学习的一种，而聊天助手等生成式 AI 工具正是用深度学习构建的。知道模型是从数据中学来的，有助于你在选购时问对问题：它用什么数据训练？这些数据和你的实际情况相符吗？

示例

用 Python 训练一个迷你垃圾消息过滤器

代码示例

# 训练一个模型，区分垃圾消息和正常消息
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

messages = ['win a free prize now', 'lunch at 1pm?', 'claim your free cash', 'meeting notes attached']
labels = ['spam', 'ok', 'spam', 'ok']

vectorizer = CountVectorizer()
model = MultinomialNB().fit(vectorizer.fit_transform(messages), labels)

print(model.predict(vectorizer.transform(['free cash prize'])))  # ['spam']

在安装了 scikit-learn 库的 Python 环境中即可运行。四个例子远远不够实际使用，但无论规模大小，套路都一样：输入例子和标签，得到一个能为新文本预测标签的模型。

要点

机器学习让计算机通过例子而不是明确的规则学会任务。
训练就是不断调整模型参数，直到预测与例子吻合。
监督学习、无监督学习和强化学习是三种主要类型。
模型的好坏与公平程度，取决于它学习所用的数据。
机器学习是 AI 的子集，深度学习又是机器学习的子集。

在 Mindber 上试试

下一课：什么是深度学习？

在目录中查找机器学习工具

AI 基础知识指南

AI 基础

常见问题

机器学习和 AI 是一回事吗？

不是。AI 是让计算机完成需要智能的任务这一宏观目标，机器学习则是当今实现这一目标的主要方法：不写规则，而是用例子训练模型。所有机器学习都属于 AI，但并非所有 AI 都是机器学习，比如手写规则的系统就不是。

使用机器学习需要懂数学或编程吗？

如果只是使用，就不需要。大多数人接触到的机器学习都内置在现成的产品里，很多无代码工具也能让你直接用表格数据训练简单模型。但如果要从零开始构建模型，就需要编程（通常用 Python），以及一定的统计学和线性代数基础。

我在使用时，机器学习模型会继续学习吗？

通常不会。大多数模型训练完成后就被固定下来再上线，使用过程中参数不会改变。不过厂商可能会收集使用数据来训练下一个版本，所以在输入敏感信息之前，值得先看看产品的数据使用条款。