目前的机器学习以及需要的机器学习

Posted 2020-12-20 gxxtsz

除了以决策树为基础的机器学习算法以外，其他的大部分机器学习算法的最终目的就是为了拟合一个函数。也就是说，我们假定客观世界的规律可以用一个函数表示。但事实真的如此吗？

客观世界的规则可以分为两部分。宇宙规则和人类规则。由于宇宙是按固定的规律运行的。所以宇宙规则可以表示为数学函数。但是人类规则却不是按照固定规律运行的。人类规则建立在一些由人类自己定义的抽象概念的基础之上。他们不能用简单的数学运算所代替。所以根本就拟合不出代表这些规律的数学函数。

传统的机器学习算法和全连接神经网络在拟合宇宙规律时达到了很好的效果。但是在拟合人类规则时却效果很差。比如图像识别和自然语言处理。卷积神经网络之所以适用于图像识别，就是因为他加入了卷积核的概念，用来提取图像中的特征。这一点和人类识别图像的过程很相似。循环神经网络也是这样的。他考虑了人类语言中前后词的联系性。

不管是卷积神经网络还是循环神经网络。他们本质上还是一个数学函数。他们只是用一些特殊的技巧来模拟人类规则中的一些抽象概念。人类规则千千万。需要解决的问题也千千万。我们或许可以通过这种技巧为每一种问题构建一个数学函数模型。但是这样显然是太麻烦了。

像传统的机器学习拟合宇宙规律一样。存不存在一种规则学习算法。可以自动的学习人类规则。而这就是我们需要寻找的。