北大公开课-人工智能基础 50 什么是机器学习

简单的智能体定义

从数据中学习——机器学习

从已标注的数据中学习——有监督的机器学习

类似于仿生学的，机器学习比较人类学习的过程

人类从观察中学习

机器从数据中学习

人类学习的结果，是增加人类的技能（知识、智慧）

机器学习的结果，是优化机器的性能指标

归纳：自下而上，提炼模型

演绎：自上而下，应用模型

形式化定义机器学习的三要素

机器学习的任务（目的）：

机器学习的改善性能指标（技能）：

机器学习的结果（得到的经验）：

【机器学习的大事年表】

机器学习的历史可以追溯到20世纪初，但是机器学习作为一个独立的方向，是从1980年开始的1。在过去的几十年里，经过一代又一代人的努力，诞生出了大量经典的方法。SIGAI将分有监督学习，无监督学习，概率图模型，深度学习，强化学习4个大方向对历史上出现的经典算法进行整理与总结1。

以下是一些重要的事件和时间节点：

• 1956年：达特茅斯会议

• 1959年：Arthur Samuel发明了机器学习术语

• 1967年：Nearest Neighbor Algorithm被发明

• 1971年：第一个机器学习期刊《机器学习》创刊

• 1980年：机器学习成为一个独立的方向

• 1995年：支持向量机被发明

• 1997年：IBM的Deep Blue战胜国际象棋冠军Gary Kasparov

• 2006年：Geoffrey Hinton等人发明了深度学习1