写在前面：本文是系列的第一篇文章，“简单易懂的机器学习知识”系列文章一方面是为了让更多人了解、入门机器学习；另一方面，也是为了让自己在机器学习领域持续学习下去。在本系列中，不会讲细节的算法和论证过程（我暂时也不会😂···），会讲一些简单易懂的基础知识，并附以案例助于理解。
1.人工智能是什么？
在狭义上，人工智能（AI）是指以Siri、Alexa等语音助手，用语音代替界面交互的个人虚拟助手。
在广义上，人工智能（AI）是指由人工制造出的智能机器，是一种能够学习的计算机程序，可代替人类去解决需要人类智慧才能解决的问题。
人工智能包括自然语言处理、语音识别、图像识别、机器学习等，每一个分支都很复杂和庞大。本文主讲机器学习，其他的大家可自行研究。
2.什么是建模？
在我们深入了解之前，先说一下建模的概念。建模是指把具体问题抽象成为某一类问题并用数学模型表示，是应用于工程、科学等各方面的通用方法，是一种对现实世界的抽象总结。（PS：实际建模应用于社会各个方面，产品经理在从实际业务中梳理出角色、流程和实体也是建模过程。如果眼中只有数学建模就过于狭隘了。）
建模的流程具体如下：分析问题中的各种因素，并用变量表示→分析变量之间的关系，相互依存或独立等→根据实际问题选用合适的数学框架（典型的有优化问题，配置问题等），并将具体问题在此框架下表达出某种公式→选用合适的算法求解表达出的公式→使用计算结果解释实际问题，并分析结果。
由此可见，在我们描述的场景下，建模和训练的目标是得到某中算法能够解决某类问题。而在算法应用于实际问题的过程中，通过实践和归纳仍可对模型进行优化，这又称为模型训练。
再次强调，实际建模应用于社会各个方面，只是一种通用方法而已，实现建模的手段也多种多样。我在此描述的只是建模的一种场景。
3.什么是机器学习？
在现实中，到处充满着规则，而设定规则则是人类解决问题的方法。设定规则已经经过人类历史的验证，但是也拥有很大的弊端：面对的问题/场景越多，规则的条数就越多，1000个场景可能需要1000条规则来应对。需求越多，规则越多，法律法规就是一个很好的例子。除非在寻找某条规则能够整合其中几条，以减少“构建世界”的组件，而这又有几人能够做到？举个物理上的例子，17世界早期，人们已经能够区分摩擦力、阻力、重力等，是牛顿归纳为万有引力，而如今的科学家又希望用“大一统理论”阐释强相互作用力、弱相互作用力、电磁力、万有引力四种基本力，这是人类持续进步发展的目的。
作者：Vency
链接：http://www.jianshu.com/p/9cd38145283a
來源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
