为什么机器人也能够学习了？

相信很多人跟我一样，一度认为只有人才能具备学习能力(当然很多动物也是具备学习能力的，但相比人差远了)，而冷冰冰的机器是不具备学习能力的。

而从各种科幻片中我们看到的也似乎是机器人只能被动地接受指令，而不具备学习能力及主动思考能力。

在读大学时，虽然学的是计算机专业，但脑海里的概念仍然是：机器如果需要实现什么功能，一定要通过预装程序才能实现，如果只是个算法，没有参数设定，是无法做到的。

可能我学的太肤浅，工作后，也没有做软件开发的工作，因此也失去了与机器，人工智能这些概念的亲密接触了。

AlphaGo带给我们的震撼

2016年谷歌的AlphaGo打败人类围棋冠军李世石的消息，一下子震惊了全世界，在惊叹于机器人能够打败人类的同时，对此我也非常好奇。

于是通过网络搜索了解到，原来AlphaGo用了一个叫做“深度学习”的理论来设计，并了解到，原来AlphaGo还可以自我学习。

生平第一次被这个概念深深震撼了，原来机器也可以自我学习了。

当然后来也了解到，在AlphaGo之前，90年代还有IBM的“深蓝”计算机，它也打败了人类国际象棋高手，但它所用的方法更多的是通过将已有的棋谱存在数据库里，比赛时就通过搜索法来搜索出其数据库中的棋谱，通过这种方法来打败对手。

因此，通过机器的“自我学习”来实现智能，确实是一个新的理论，至少对我来说。

机器学习概念的发源

早在1950年，还在大学本科学习的马文·明斯基和他的同学Dean Edmonds建造了世界上第一台神经网络计算机，这可以算作是最早提出“机器学习”的先驱了，之后伟大的计算机科学之父阿兰·图灵也提出了“机器学习”的概念。

当然最早马文·明斯基和他的同学设计的第一台神经网络计算机，只模拟了40个神经元，规模远远小于人脑的神经元数量，虽然由于技术限制，但之后经历了后人的不懈努力，终于计算机神经网络的技术得以重生，并以深度学习的概念再次发扬光大。

为什么机器能够学习

机器之所能够学习，完全取决于我们对于人脑学习机制的了解及模仿。

大家也许还记得，高中生物课时，讲到我们的大脑由无数个神经元组成，无数个神经元通过突触等连接起来组成了一个异常复杂的网络，这个网络就是我们的大脑，他的名字就是神经网络。

这个就是我们人类能够具备学习及思考能力的根本原因。

而机器能够学习就是模拟人脑来做这一切的，通过技术手段把无数个节点模拟成神经元，并通过算法将这些模拟神经元组成复杂的人工神经网络，并经过大量数据的训练，达到比人还厉害的程度。

另外，随着摩尔定律的发展，硬件的性能越来越强，计算机的运算速度越来越快，这也就为高效的机器学习带来了可能，而大数据的发展，也为“机器学习”提供了数据支撑，使得很早就提出的“机器学习”的概念得以实现。

越来越少的公众号还在坚持原创

“闻西说科技”就是其中之一