人工智能毀滅人類的流言再度四起，原因便在于大數(shù)據(jù)。隨大數(shù)據(jù)而來的一系列變革在眾多領(lǐng)域發(fā)生，人工智能在大數(shù)據(jù)的帶動下也開始興風(fēng)作浪。

                        大數(shù)據(jù)在幫助人工智能“興風(fēng)作浪”？
　　大數(shù)據(jù)的崛起對機器學(xué)習(xí)意義非凡

　　大數(shù)據(jù)的核心在于數(shù)據(jù)挖掘，機器學(xué)習(xí)便是數(shù)據(jù)挖掘時最常用的方法之一。因此，機器學(xué)習(xí)技術(shù)不斷的完善，原本模仿人類大腦的三點先天不足已經(jīng)逐漸不再重要。

　　首先，機器學(xué)習(xí)處理大量數(shù)據(jù)時所采取的分布式處理技術(shù)已經(jīng)成熟，也就是說在處理大量的任務(wù)時，并非集中處理，而是將任務(wù)分塊，采取多個組件同時處理運算，這樣就大幅提升了計算效率，計算能力遠遠超過人類的大腦;其次，我們在機器學(xué)習(xí)時會給予其大量的樣本，并設(shè)置相應(yīng)的處罰函數(shù)，然后通過訓(xùn)練逐步減少處罰函數(shù)出現(xiàn)的概率，提高的機器的智能水平;

　　機器學(xué)習(xí)不再僅僅是一種數(shù)據(jù)挖掘的算法

　　最后，機器學(xué)習(xí)的方法也更加成熟，現(xiàn)在一般分為三種：監(jiān)督學(xué)習(xí)，半監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)是指利用一組已知標(biāo)注類別的樣本調(diào)整分類器的參數(shù)，使其達到所要求性能的過程。簡單來說就是給機器一堆有標(biāo)記的數(shù)據(jù)，然后讓機器學(xué)習(xí)后，推測得出新的未知的信息。這其中的代表方法就有神經(jīng)網(wǎng)絡(luò)、SVM、NaveBayes、KNN和決策樹等，目前與韓國棋手李世石挑戰(zhàn)的谷歌AlphaGo采用的便是神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法。

　　半監(jiān)督學(xué)習(xí)是指介于監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)之間，利用少量的標(biāo)注樣本和大量的未標(biāo)注樣本進行訓(xùn)練，以得出新的位置信息的辦法。這種方法更多的像是兩種方法的結(jié)合，也是現(xiàn)在正在興起的一種方法。

　　無監(jiān)督學(xué)習(xí)則指設(shè)計分類器時，不給樣本參數(shù)任何標(biāo)簽，讓機器自行分析處理。目標(biāo)便是讓機器學(xué)會自主學(xué)習(xí)。曾經(jīng)有人設(shè)計過一項電腦程序，讓其利用無監(jiān)督學(xué)習(xí)的方法玩一款游戲，在進行了多次游戲以后，這項程序的游戲水平不僅超過了使用監(jiān)督學(xué)習(xí)方法學(xué)習(xí)的機器，比之人類最好的玩家也要出色許多。

　　逐漸脫離監(jiān)督進行學(xué)習(xí)，是誰的愿望?

　　但是目前，由于無監(jiān)督學(xué)習(xí)還處于起步狀態(tài)，因此半監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)的改進版是現(xiàn)在人工智能的主流方法。無監(jiān)督學(xué)習(xí)既然已經(jīng)開始，這種更為優(yōu)秀也更智能的方法必然會成為未來發(fā)展的主流，機器學(xué)習(xí)的自主性提升后，似乎已經(jīng)比人類更勝一籌。