《智能时代》流水账笔记
2016-11-04
>>前言
AlphaGo:与人类的逻辑推理有别,下棋依靠大数据和职能算法。
1)机器学习:获胜概率,数据训练
2)博弈树搜索算法:快速找到好的下法
AlphaGo的胜利宣告机器智能时代的到来。
>>第一章 数据
使用数据的标准流程(数据到知识的过程):获取-->分析——>建立模型——>预测未知
数据驱动方法:对一个问题暂时不能简单、准确解决时,可以根据历史数据,构造很多个近似的模型来逼近真实情况。
优势——在最大程度上得益于计算机技术的进步。机器越来越聪明,很大程度上靠的是数据量的增加。
e.g. AlphaGo在总结几十万对弈数据后,得到一个统计模型,对于在不同局势下该如何行棋有了比人类更为准确的估计。
数据与所想获得的信息之间的联系通常是间接的,需要通过不同数据之间的相关性体现。
>>第二章 大数据和机器智能
传统人工智能(让计算机按人的思路去做)已被实践证明不可行,业界普遍采用的是机器智能——任何让计算机通过图灵测试的方法(包括数据驱动方法)。机器获得智能的办法不是和人一样靠推理,而是更多的利用大数据,从数据中获得信息和知识。
大数据的特征:
- 体量大
- 多维度 e.g.百度知道
- 完备性 e.g.翻译
- 时效性(非必需)e.g.谷歌地图
- 思维方式的改变,big data,变智能问题为数据问题
>>第三章 思维的革命
方法论对科学发展至关重要。东方文明长期在技术上领先西方,但在科学体系的建立上远远落后,关键是输在方法论上。
托勒密的方法论:通过观察获得数学模型的雏形,然后利用数据来细化模型。
笛卡尔的方法论:大胆假设,小心求证
牛顿的方法论——机械思维
机械思维导致了工业革命,其核心思想:确定性和因果关系。
也是它的局限性。并非所有规律都可以用简单的原理描述,发现因果关系需要运气,人们在承认不确定性的情况下如何取得科学上的突破,需要新的方法论——>信息论。
(从微观上讲,系统越来越无序,从宏观上看它趋于恒温。)
不引入主观假设(有别于大胆假设小心求证),取得足够多的数据,消除不确定性。所以大数据的出现能够解决智能问题。
大数据思维的核心:
大数据的科学基础是信息论,本质是利用数据中的信息消除不确定性。数据之间的相关性在某种程度上可以取代原来的因果关系,找到答案。
>>第四章 大数据与商业
大数据在商业活动中从细节到整体再从整体到细节双向的流动(Data flow),能对商业进行整体提升,精确到每一个细节,代表着未来的商业趋势。
大数据的完备性:从大数据找到普遍规律,再应用于每一个具体的客户,影响到每一个具体的操作,改变人们开发产品和解决问题的思路(e.g. Prada的芯片)。
大数据的时效性:让企业(e.g. Netflix、亚马逊)可以根据用户的反应很快调整市场策略。
从工业革命开始,几次主要的技术革命都遵循相似的规律:
- 现有产业 + 新技术(蒸汽机,电,摩尔定律,大数据,机器智能) = 新产业
- 不需要所有公司从事新技术本身的开发和产品研制,更多是利用新技术改造原有产业。“+大数据”的思维方式,产业能得到全面升级
技术革命导致新商业模式的诞生。
服务>生产。厂商之间的核心竞争力不再是商品本身,而是更重要的服务。以前商品卖出后,厂商与顾客的联系就断了。而“+大数据”的思维方式,厂商能够把控每一个客户、每一个产品和每一次交易细节,绕过很多经销的中间环节,直接和客户做生意。
> 小米的估值为何450亿