一、前言

之前讲了计算机从发展到现在的过程，计算机很适合做迭代的工作
擅长 存放、整理、获取、处理 大量的数据
但是想根据谁做决定，就要牵扯到机器学习，这也是ML的本质
ML算法可以让计算机 从 数据中学习，然后自行做出预测&决 定

机器学习虽然有用，但是不会被定义为 智能
虽然ML AI 这两个词语经常混用，但是大多数科学家会说ML是为了实现AI这个更加宏大目标的技术之一

二、ML

2.1 分类

classification
做分类的算法叫做 “分类器classifier”
虽然可以用 照片声音 训练算法，很多算法会减少复杂度，把数据简化为“特征features”

2.1.1 决策树

举个例子：分类飞蛾，有两个特征值：“翼展” “重量” “”

把决策空间切成几个分块的简单方法，可以用 “决策树decision tree”来表示

一些算法会用多个 decision tree 来预测，科学家称其为 “森林forest”

2.2.2 支持向量机

Suport Vector Machines
本质上是用任意线段来切分 决策空间，不一定是直线，可以是多项式或者是其他数学函数，通过算法不断地对数据迭代，找出最好的线

再加入一个 特征，触角长度，2D的平面就会变成3D的了

四个特征，四维度…上千维度

决策树 & 支持向量机 这样的技术发源于 统计学

2.2.3 人工神经网络

灵感来自于大脑里的神经元，神经元是细胞，用电信号 化学信号来传输消息，神经元细胞从其他细胞得到一个或者多个输入值，然后做出反应 输出信号值，很多很多神经细胞组成巨大的互联网络，能处理复杂的信息

计算机中的人造神经元也很类似，可以接受多个输入，然后整合并发出一个信号

它不用电信号，化学信号 而是 input 数字 output 数字，形成神经元网络

回到上面的例子：看神经元如何分类

1. 左侧需要被分类的单个飞蛾的数据（mass重量 wingspan翼展），右侧分类的结果
   

2. 中间有一个隐藏层，负责把输入变成输出，分类

分类神经元：把输入* 权重 ，然后求sum

对于sum(权重*原始值) ，用一个偏差值(bias)处理: + or - 一个x
一开始，这些权重 偏差值x都会是随机的，然后算法会调整这些值 来训练
最后，神将元有激活函数，也叫做传递函数(应用于输出，对结果执行最后一次数学修改(把负数变成0、控制值在一个区间等))

这个过程会应用于多个神经元，如下图3个

最终一层，数字最高的就是结果

中间结果会有很多很多层，这便是深度学习

尽管神经网络50年前就发明了，但是限制于硬件的发展，最近5年才得到应用

以上，一个算法虽然能人脸识别，自动驾驶，但是也都是只能做一件事
这种被称为“弱AI Week AI” or “窄AI Narrow AI”，只能做特定的事情。
通用的AI，像人类一样可以处理各种算法的，叫做“强AI Strong AI”，目前还没有做出来，但是人来留下来的大量的数据，用作训练，可能就是点燃强AI的燃料，就像 ChatGPT。

AI自己不断地学习，阿尔法go 自己和自己下了 上百万盘，自己发现成功的策略，这被称为“强化学习Reinforcement learning”

三、计算机视觉

半个多世纪以来，科学家一直想让计算机有视觉，因此记诞生了“计算机视觉Computer Viesion”这个领域
正如计算机视觉的大佬 李飞飞所说：“看到不等于看懂”

像素每一个是RGB

举个栗子：追踪粉红球

计算机会从上到下一个像素一个像素的check ，找打粉红球的RGB，
然后视频的每一帧都会做这个check，这样就会追踪这个球的踪迹了

但是因为 天气 等因素的变化，这个粉红球的RGB也可能会变，但是会寻找最接近的，每一个像素都要check，像素在这里被称为 “块patches”

3.1 Prewitt算子

举个栗子：找垂直边缘的算法
假设来帮助无人机躲避障碍，为了简单 可以把图片变成灰度

可以很容易的看到，杆子的左边缘从哪里开始的，因为垂直的颜色变化，可以制定规则：

1. 某像素是垂直边缘的可能性，取决于左右两边像素的颜色差异程度
   这叫做 核Kernal or Filter过滤器，里面的像素用来做像素乘法，总和存到中心像素

这里指定了每个像素要* 的值（-1,0,1）

新的值147就成为了中心像素的值，和原来224的色差很大，说明是边缘

把核Kernal应用到像素块，这个操作叫做 卷积convolution

把这个操作应用到其他块：

结果是1，和原来的色差很小，说明不是边缘

如果把kernal应用到照片中的每一个像素

想要看横向的，就需要用不同的Kernal

这两个边缘增强的核叫做Prewitt算子

3.2 Viola-Jones 人脸检测算法

当然还有很多很多的Kernal

判定眼睛的Kernal：眼睛：一个黑色的圆圈被外层更亮的一层像素包裹

计算机扫描图像，一个窗口，多种核来扫描，那么就可以找到人脸

这个早期人脸检测算法叫做：Viola-Jones 人脸检测算法

3.3 卷积神经网络

输入权重约等于 Kernal的值
但是和Kernal不同的是，卷积神经网络可以不断迭代出自己的权重

第一次卷积 出 边缘edges
第二次卷积出shapes(边缘组成的角落)
第三次卷积出 特征实例(眼睛 嘴巴)
…
最后把直到某一层把所有特征放到一起

卷积神经网络并不是一定需要很多很多层，但是系别复杂物体和场景就需要一定的复杂度，所以是 深度学习

有了脸部识别，那么我们就可用专用的计算机视觉算法来定位面部标识


这些信息可以用情感识别算法来实现

还可以标记一个人两眼之间的距离，以及前额头有多高，来识别是谁
这就是：生物识别biometric data

四、自然语言处理

4.1 知识图谱

让计算机如何理解语言，高级的编程语言也是语言，但是相对固定一些
，和人类的语言完全不同，人类的语言被称为“自然语言”
从计算机诞生之初就出现了计算机处理语言的学科NLP，结合了计算机&语言学

早期就是把一个句子切成一个词一个词 ，然后查词典，但是还有语法的问题，因此开发了 “短语结构规则” 来代表语法规则，基于这个规则可以做出分析树

按照 “短语结构规则” 来生成句子

Google版本的叫“知识图谱Knowledeg Graph”

对话系统Dialog Systenms，用上大量的聊天记录来训练深度学习模型

4.2 语音识别

贝尔实验室在1952年推出一个语音识别系统 Audrey ，自动数字识别器

a & e的两个声音的波形，信号来自麦克风内部隔膜震动的频率

为了更加容易识别，可以换谱图(spectrogram)看

这种图的转换是用 “快速傅里叶变换FFT”

音速phonemes：构成单词的声音片段
语音识别软件知道这些音速，英语大概有44种音速，因此语音识别也就是音速的识别，我们可以识别音速来识别这些

Speech Synthesis让计算机输出声音