您正在使用IE低版浏览器,为了您的FUTUREAI账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
FUTUREAI 智能新品
发私信给FUTUREAI
发送

主算法之统计学的论点

本文作者:FUTUREAI 2018-09-14 12:54
导语:统计学的论据根据一个统计学家的统计,一个简单的公式是所有学习的基础。 贝叶斯定理,如公式所知,告诉你如何 9780465065707-text.indd 31 7/16/15 12:44 PM 32 | 大师的算法 每当您看到新证据

统计学的论据根据一个统计学家的统计,一个简单的公式是所有学习的基础。贝叶斯定理,如公式所知,告诉你如何 

9780465065707-text.indd 31 7/16/15 12:44 PM

32 | 大师的算法

152703652532107969.jpg

每当您看到新证据时,都要更新您的信念。贝叶斯学习者从一系列关于世界的假设开始。当它看到一个新的数据时,与它相容的假设变得更有可能,并且假设不会变得不太可能(甚至不可能)。在看到足够的数据之后,单个假设占主导地位,或者少数假设占主导地位。例如,如果我正在寻找能准确预测库存变动的程序,而候选程序预测的库存会上升而不是下降,那么候选人就会失去信誉。在我审核了一些候选人之后,只剩下几个可信的候选人,他们将把我对股票市场的新知识封装起来。贝叶斯定理是一种将数据转化为知识的机器。根据贝叶斯统计学家的说法,这是将数据转化为知识的唯一正确方法。如果它们是正确的,贝叶斯定理要么是主算法,要么是驱动它的引擎。其他统计学家对贝叶斯定理的使用方式持有严重保留意见,并倾向于采用不同的方法从数据中学习。在计算机出现之前的日子里,贝叶斯定理只能应用于非常简单的问题,而将其作为普遍学习者的想法似乎有些牵强。然而,随着大数据和大计算的发展,贝叶斯可以在广阔的假设空间中找到自己的方式,并且已经扩展到每个可以想象的知识领域。如果贝叶斯可以学到什么限制,我们还没有找到它。在计算机出现之前的日子里,贝叶斯定理只能应用于非常简单的问题,而将其作为普遍学习者的想法似乎有些牵强。然而,随着大数据和大计算的发展,贝叶斯可以在广阔的假设空间中找到自己的方式,并且已经扩展到每个可以想象的知识领域。如果贝叶斯可以学到什么限制,我们还没有找到它。在计算机出现之前的日子里,贝叶斯定理只能应用于非常简单的问题,而将其作为普遍学习者的想法似乎有些牵强。然而,随着大数据和大计算的发展,贝叶斯可以在广阔的假设空间中找到自己的方式,并且已经扩展到每个可以想象的知识领域。如果贝叶斯可以学到什么限制,我们还没有找到它。

来自计算机科学的论点当我在大学读书时,我浪费了一个夏天玩俄罗斯方块,一个非常容易上瘾的视频游戏,各种形状的棋子从上面落下,你试图尽可能紧密地包装在一起; 当一堆碎片到达屏幕顶部时,游戏结束。我不知道这是我对NP完全性的介绍,这是理论计算机科学中最重要的问题。事实证明,掌握俄罗斯方块 - 远非空闲的追求 - 真正掌握它 - 是你可以做的最有用的事情之一。如果你能解决俄罗斯方块,你可以一举解决科学,技术和管理方面数千个最难和最重要的问题。那是 

9780465065707-text.indd 32 7/16/15 12:44 PM

大师的算法| 33

因为他们心里都是同样的问题。这是所有科学中最令人惊讶的事实之一。弄清楚蛋白质如何折叠成它们的特征形状; 

 从DNA中重建一组物种的进化历史; 在命题逻辑中证明定理; 检测具有交易成本的市场中的套利机会; 从二维视图推断出三维形状; 压缩磁盘上的数据; 在政治上形成稳定的联盟; 模拟剪切流动中的湍流; 寻找具有特定回报的最安全的投资组合,访问一组城市的最短途径,微芯片上组件的最佳布局,生态系统中传感器的最佳位置,或旋转玻璃的最低能量状态; 安排航班,班级和工厂工作; 优化资源分配,城市交通流量,社会福利和(最重要的)你的俄罗斯方块得分:这些都是NP完全问题,这意味着如果你能有效地解决其中一个问题,你就可以有效地解决NP类中的所有问题,包括彼此。谁能猜到所有这些问题,表面上如此不同,都是一样的?但如果它们是,那么一个算法可以学习解决所有这些(或者更确切地说,所有有效的可解决实例)是有道理的。P和NP是计算机科学中两个最重要的问题。(遗憾的是,这些名称不是非常麻烦的。)如果我们能够有效地解决问题,那么P就会出现问题,如果我们能够有效地检查它的解决方案,它就在NP中。着名的P = NP问题是每个有效的可检查问题是否也是有效可解的。由于NP完全性,回答它所需要的只是证明一个NP完全问题可以有效地解决(或不解决)。NP不是计算机科学中最难的一类问题,但它可以说是最难的“现实”类:如果你甚至无法在宇宙结束之前检查问题的解决方案,那么试图解决它的重点是什么?人类擅长近似解决NP问题,相反,我们发现有趣的问题(如俄罗斯方块)往往对它们有“NP-ness”。人工智能的一个定义是它包括寻找NP-完全问题的启发式解决方案。通常,我们通过将它们降低到可满足性来做到这一点,我们觉得有趣的问题(如俄罗斯方块)通常会对它们产生“NP-ness”。人工智能的一个定义是它包括寻找NP-完全问题的启发式解决方案。通常,我们通过将它们降低到可满足性来做到这一点,我们觉得有趣的问题(如俄罗斯方块)通常会对它们产生“NP-ness”。人工智能的一个定义是它包括寻找NP-完全问题的启发式解决方案。通常,我们通过将它们降低到可满足性来做到这一点, 

9780465065707-text.indd 33 7/16/15 12:44 PM

34 | 大师的算法

规范的NP完全问题:一个给定的逻辑公式是真的,还是自相矛盾的?如果我们发明一个可以学习解决可满足性的学习者,那么它就是一个很好的主张算法。除了NP完全性之外,计算机的纯粹存在本身就是一个强有力的标志,即有一个主算法。如果你可以回到二十世纪初的时间,并告诉人们一个即将发明的机器将解决人类努力的每个领域的问题 - 每个问题的同一台机器 - 没有人会相信你。他们会说每台机器只能做一件事:缝纫机不打字,打字机不缝。然后在1936年,艾伦·图灵想象出一个奇怪的装置,用磁带和头读取和写上符号,现在被称为图灵机。可以通过逻辑演绎解决的每个可想到的问题都可以通过图灵机来解决。此外,所谓的通用图灵机可以通过从磁带读取其规格来模拟任何其他 - 也就是说,它可以被编程为做任何事情。主算法用于归纳,学习过程,图灵机用于演绎的内容。它可以通过读取其输入 - 输出行为的示例来学习模拟任何其他算法。就像有许多计算模型相当于图灵机一样,通用学习者可能有许多不同的等效公式。然而,关键在于找到第一个这样的配方,就像图灵找到通用计算机的第一个配方一样。一个所谓的通用图灵机可以通过从磁带读取其规格来模拟任何其他 - 换句话说,它可以被编程为做任何事情。主算法用于归纳,学习过程,图灵机用于演绎的内容。它可以通过读取其输入 - 输出行为的示例来学习模拟任何其他算法。就像有许多计算模型相当于图灵机一样,通用学习者可能有许多不同的等效公式。然而,关键在于找到第一个这样的配方,就像图灵找到通用计算机的第一个配方一样。一个所谓的通用图灵机可以通过从磁带读取其规格来模拟任何其他 - 换句话说,它可以被编程为做任何事情。主算法用于归纳,学习过程,图灵机用于演绎的内容。它可以通过读取其输入 - 输出行为的示例来学习模拟任何其他算法。就像有许多计算模型相当于图灵机一样,通用学习者可能有许多不同的等效公式。然而,关键在于找到第一个这样的配方,就像图灵找到通用计算机的第一个配方一样。什么图灵机是扣除。它可以通过读取其输入 - 输出行为的示例来学习模拟任何其他算法。就像有许多计算模型相当于图灵机一样,通用学习者可能有许多不同的等效公式。然而,关键在于找到第一个这样的配方,就像图灵找到通用计算机的第一个配方一样。什么图灵机是扣除。它可以通过读取其输入 - 输出行为的示例来学习模拟任何其他算法。就像有许多计算模型相当于图灵机一样,通用学习者可能有许多不同的等效公式。然而,关键在于找到第一个这样的配方,就像图灵找到通用计算机的第一个配方一样。


声明:景智AI网尊重行业规范,任何转载稿件皆标注作者和来源;景智AI网的原创文章,请转载时务必注明文章作者和"来源:景智AI网", 不尊重原创的行为将受到景智AI网的追责;转载稿件或作者投稿可能会经编辑修改或者补充,有异议可投诉至:mailto:813501038@qq.com

分享:
相关文章
最新文章