人工智能(Artificial Intelligence)已经被视为继农业革命,工业革命,信息革命之后又一次滚滚碾来，势不可挡的世界性的大革命。
纵观整个人类历史，农业革命让我们摆脱了亡命天涯,随遇而安的迁徙文明，种上了小麦玉米； 工业革命时期人类开始被机器解放,有了闲余的时间去沉迷农药和吃鸡； 信息革命让地球变成一个鸡犬相闻的村子，社交媒体已经完全打破了所谓的六度隔离，世界上任何一个人和另外一个人之间只剩下一个facabook的距离。人工智能将把我们带向何处，我太敢去想象。当面对一个无法阻挡的新事物时，唯一能做的就是去认清它。
佛光初现
从本质上来看机器学习依然由数据和算法组成，说白了其实就是一个程序。人工智能在上古时期其实也没有什么自我意识，可以比喻成一个提线木偶，任人摆布。从上面的漫画中可以看到，机器的肚子里装的是成千上万个条件判断程序，这也意味着机器心里所有的秘密，接下来的每一个动向，人类都了如指掌。也是很憋屈，机器难道就不能有点隐私。但随着数据量的增加和智能算法的出现，机器开始变得闷骚起来，表面看起来还是面无表情，老实巴交的样子，可是内心深处已经开始了庞大而复杂的算计，它开始了掌握了自主“学习”的能力。
意识觉醒
深度学习的诞生以及一些智能算法的出现彻底破除了机器人唯命是从的习性,他们开始变得智慧起来,比如以前你对机器人说"我喜欢你",它只会回复"我也喜欢你",而现在它们很有可能会回答出"你是个好人"。研究机器学习这门学科的人，对下面几个人应该不会陌生，AI四巨头:Geoff Hinton(深度学习之父)和他的徒子徒孙。这帮人把机器的智商提高了无数个数量级，没有他们这帮人，图像识别，语言识别，自动驾驶汽车,iphoneX的FaceID等众多狂拽炫酷的黑科技都不可能诞生。深度学习让机器有了视觉，听觉,甚至有了高于人类的判断力，它的快速发展测底引爆了工智能革命。机器开始慢慢地拥有了某些人类的能力，那机器到底是如何学习的呢？
机器学习
上图是一个经典机器学习流程，任何一个机器学习模型的建立都经过了数据或者资料的预处理(Data Preprocessing)，模型训练(Learning)，模型评估(Evaluation)，预测(Prediction)这四个步骤：
多读书，读好书:拿到任何一堆数据之后,首先要做的就是数据或者资料的预处理(Data Preprocessing),很久很久以前，当我们还处于经常尿床的孩童时期，父母就告诫我们以后要多读书，读好书。所谓的多读书指的就是大数据。智能算法很擅长在海量的数据中找出在隐秘在灯火阑珊处的规律, 看到没即便是算法也得多读书 。至于特征的提取和选择,数据降维等数据预处理操作，其主要目的就是让纷繁杂乱数据变得有条理从而易于训练。好比让机器读一本结构清晰，逻辑明辨的书，这样它学得更快,也学得更明白。
思考学习:思考学习指的是模型训练(Learning),机器学习是一个结果导向的过程。将数据喂给智能算法，算法就兴致勃勃地运行起来去努力达成预期目标。但是对于不同的目标，我们得选择不同的算法，然后对调整算的一些参数，旨在改变它的思考模式，提高它的智商。如果选用不恰当的算法，最终训练的模型很难达到预期目的，就好比你选择用直男癌的思维去处理女生感冒的问题,那答案肯定是:多喝水啰。
考试测评:这个环节是模型评估(Evaluation)环节和上一个环节是有紧密互动的，模型评估和我们在学校里的考试测评差不多。将测试数据输入到模型,输出的结果正确率高的表示学到知识多，称为学霸， 正确率和中彩票概率相当的，称为学渣。当然学渣也有回炉再造的机会，评估出来比较坏的模型，可以通过算法参数的微调的策略，从新训练模型也可以让一个失败的训练模型起死回生.想想这和我们考试面对不理想的考试成绩,暗暗决定要发奋图强,争取下次考高分的心理真是一样样的。
学有所用:接下来见证奇迹的时刻就要来了，书也看了，考试也过了,可以撸起袖子,甩开膀子做预测(Prediction)，去做正确的决定，去创造价值，此时的它真正地做到了学习的最高境界--学以致用。
机器学习的过程其实和人类学习的过程有太多的相似之处，都经过了一个阅读资料，学习消化，反馈修正过程，最后达到学以致用的目的。可怕的是它是个不会忘记的家伙，模型学习训练好之后，存在硬盘里，需要用的时候就调出来；世界变化太快产生新的数据之后，它也没有保守怀旧的情绪，一股脑的吃掉这些新数据，学习到新的知识，最后看起来它好像会成为一个比人类更懂新时代的机器人。
