然而，机械进修在21世纪00年代末也经历了一个短暂的彷徨期。那时我在加州大年夜学伯渴攀利分校的博士后工作停止，正面对找工作，导师乔丹传授和我进行了多次交换，他一方面认为机械进修正处于艰苦期，工作职位已趋于饱满，另一方面他向我几回再三强调，把统计学惹人到机械进修的思路是对的，因为以统计学为基本的机械进修作为一个学科其地位已经被奠定。重要问题是机械进修是一门应悠揭捉?科，它须要在工业界发患咀用，能为他们解决实际问题。荣幸的是，这个时代很快就以前了。
如今我们可以理直气壮地说机械进修已经成为计算机科学和人工智能的主流学科。这重要表如今下面庞个标记性的事宜。
第一，2010年2月，加州大年夜学伯渴攀利分校传授乔丹和卡内基梅隆大年夜学传授米歇尔同时被选美国工程院院士，同年5月份，乔丹传授又被选为美国科学院院士。随后几年，概率图模型专家科勒(Daphne Koller)被选为美国工程院院士，理论计算机学家和机械进修专家、Boosting的重要建立者之一夏皮尔(Robert Schapire)被选为美国工程院院士和科学院院士。时代，斯坦福大年夜学的统计学家弗莱德曼和提布施瓦尼(Robert Tibshirani)、伯渴攀利分校的华裔统计学家郁彬，以及卡内基梅隆大年夜学统计学家沃塞曼也先后被选为美国科学院院士。这是一个异常有趣的现象，因为这些学者都在机械进修范畴做出了异常重要的供献，比如弗莱德曼的工作包含分类回归树、多元自适应回归(Multivariate Adaptive Regression Splines, MARS)和梯度推动机(Gradient Boosting Machines, GBM)等经典机械进修算法，而提布施瓦尼是最小绝对紧缩和选择算子(Least Absolute Shrinkage and Selection Operator, LASSO)的提出者。此外，优化算法专家鲍德(Stephen Boyd)被选美国工程院院士，他和范登贝格(Lieven Vandenberghe)的合著《凸优化》(Convex Optimization)可以说风靡机械进修界。本年，机械进修专家、深度进修的领袖、多伦多大年夜学传授辛顿以及该校统计进修专家瑞德(Nancy Reid)分别被选为美国工程院和科学院的外籍院士。
乔丹传授在当时我祝贺他被选为院士时的回信中说，如不雅以他被选院士这种方法来对待机械进修获灯揭捉?术界的认同会更有意义。是以，我懂得在美国一个学科可否被回收为主流学科的一个重要标记是，其代表科学家可否被选为院士。我们知道米歇尔是机械进修早期建立者之一，而乔丹是统计机械进修的重要奠定者之一。
第二，2011年的图灵奖授予了加州大年夜学洛杉矶分校传授珀尔(Judea Pearl)，他重要的研究范畴是概率图模型和因不雅推理，这是机械进修的基本问题。图灵奖平日颁给纯理论计算机学者，或者早期建立计算机架构或框架的学者。而把图灵奖授予珀尔传授具有偏向标的意义。此外，客岁《科学》和《天然》杂志持续揭橥了4篇关于机械进修的综述论文。并且，近几年在这两个杂志上揭橥的计算机学科论文几乎都来自机械进修范畴。
第三，机械进修切实能被用来赞助工业界解决问题。特别是当下的热点，比如说深度进修、AlphaGo、无人驾驶汽车、人工智能助理等对工业界的巨大年夜影响。当今IT的成长已大年夜传统的微软模式改变到谷歌模式。传统的微软模式可以懂得为制造业，而谷歌模式则是办事业。谷歌搜刮美满是免费的，办事社会，他们的搜刮做得越来越极致，同时创造的财富也越来越丰富。
斯坦福大年夜学统计系的一个重要偏向就是统计进修，比如《统计进修基本》(Elements of statistical learning)一书就是统计系几位有名传授撰写的。斯坦福大年夜学计算机科学系的人工智能偏向一向活着界占主导地位，特别是在不肯定推理、概率图模型、概率机械人等范畴成就斐然。他们的收集公开课“机械进修”、“概率图模型”以及“人工智能”等让全世界学者受益。有意思的是，斯坦福大年夜学和伯渴攀利分校具有令人爱慕的合作竞争关系。一年一度的结合统计学日是两校统计系的交换平台。伯渴攀利分校传授布莱曼和斯坦福大年夜学传授弗莱德曼(Jerome Friedman)合作建立了很多重要统计进修模型。此外，两校传授罗素(Stuart Russell)和诺维格(Peter Norvig)合作的《人工智能：一种现代的办法》(Artificial Intelligence: A Modern Approach)一书是人工智能的集大年夜成。
财富储藏在数据中，而发掘财富的核心技巧则是机械进修，是以谷歌认为本身是一家机械进修公司。深度进修作为当今最有活力的机械进修偏向，在计算机视觉、天然说话懂得、语音辨认、智力游戏等范畴的颠覆性成就，培养了一批新兴的创虻公司。工业界对机械进修范畴的人才有大年夜量的需求。不仅仅须要代码才能强的工程师，也须要稀有学建模和解决问题的科学家。
如今计算机界戏称机械进修为“全能学科”，它无所不在。除了有其自身的学科体系外，机械进修还有两个重要的辐射功能。一是为应悠揭捉?科供给解决问题的办法与门路。对于一个应悠揭捉?科来说，机械进修的目标就是把一些难解的数学翻译成让工程师可以或许写出法度榜样的伪代码。二是为一些传统学科，比如统计、理论计算机科学、运筹优化等找到新的研究问题。是以，大年夜多半世界有名大年夜学的计算机学科把机械进修或人工智能列为核心偏向，扩大年夜机械进修范畴的教师范围，并且至少要保持两三个机械进修研究偏向具有一流竞争力。有些计算机专业有1/3甚至1/2的研究生选修机械进修或人工智能。
机械进修如今已成为统计学的一个主流偏向，很多有名大年夜学的统计系纷纷大年夜机械进修范畴雇用传授，比如斯坦福大年夜学统计系新进的两位助理传授来自机械进修专业。计算在统计范畴已经变得越来越重要，传统多元统计分析是以矩阵分化为计算对象，现代高维统计则是以优化为计算对象。
机械进修成长的启发
机械进修的成长过程告诉我们：成长一个学科须要一个务实的立场。时髦的概念和名字无疑对学科的普及有必定的推动感化，但学科的根本照样所研究的问题、办法、技巧和支撑的基本等，以及为社会产生的价值。
“机械进修”是个很酷的名字，简单地按照字面懂得，它的目标是让机械能像人一样具有进修才能。但在其十年的黄金成长期，机械进修界并没有过多地炒作“智能”或者“认知”，而是存眷于惹人统计学等来建立学科的理论基本，面向数据分析与处理，以无监督进修和有监督进修为两大年夜重要的研究问题，提出和开辟了一系列模型、办法和计算算法等，切实地解决了工业界所面对的一些实际问题。近几年，因为大年夜数据的驱动和计算才能的极大年夜晋升，一批面向机械进修的底层架构先后被开辟出来。神经收集其实袈溱20世纪80年代末或90年代初就被广泛研究，但后来沉寂了。近几年，基于深度进修的神经收集强势崛起，给工业界带来了深刻的变革和机会。深度进修的成功不是源自脑科学或认知科学的进展，而是因为大年夜数据的驱动和计算才能的极大年夜晋升。
推荐阅读
美国国防部通用拜访卡(Common Access Card，CAC，美国国防部用来进行多重身份验证的智能卡)负责人皮列里表示，身份验证要达到简略单纯操作的程度，面对的挑衅十分巨大年夜。国防部正在研究一种更灵活的身份验证办法>>>详细阅读
本文标题：机器学习的发展历程及启示
地址：http://www.17bianji.com/lsqh/34706.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示