機器學習既是科學，也是技術，兩者的特點提示我們如何將其統一起來。在科學方面，理論的統一往往從看似簡單的觀察開始。兩個看似不相關的現象原來只是同一枚硬幣的兩面，就像第一張倒下的多米諾骨牌，會引起其他許多牌倒下。蘋果落到地上，月亮懸掛在夜空，這兩者都是由重力引起的，而且（無論是否杜撰）一旦牛頓弄明白這些現象的原因，重力最後也可以用來解釋潮汐、分點歲差、彗星軌道等其他很多現象。在日常體驗中，電和磁絕不會同時出現：這邊有閃電的火花，那邊有吸住鐵製品的岩石，兩種現象都很少見。可是一旦麥克斯韋弄清楚電場的改變會產生磁性，反之亦然，顯然閃電是兩者親密的媒介。現在我們知道，電磁並不罕見，遍及所有物質。門捷列夫的元素週期表不僅將所有已知物質僅分成兩個維度，也預示哪裡會有新元素。達爾文在貝格爾號上的觀察突然得到理解，因為馬爾薩斯的《人口論》表明了自然選擇這一組織原理。

當克里克和沃森偶然發現雙螺旋結構可用於解釋DNA令人迷惑的屬性時，他們馬上就看到DNA可能會如何複製自身，而生物學由“集郵”（盧瑟福用的貶義詞）到“統一科學”的過渡開始了。在這些例子中，各種各樣令人眼花繚亂的觀察結果原來都有同一個相同的起因，而一旦科學家們明確了這個起因，就可以反過來利用它來預測許多新的現象。同樣的道理，雖然我們在本書中見到的學習演算法似乎差別很大——有些以大腦為基礎，有些以進化為基礎，有些則以抽象的數學原理為基礎，但實際上，它們有很多相似之處，而由學習產生的理論會有許多新的觀點。

Loading...

未載入完，嘗試【重新整理網頁】or【關閉小說模式】or【關閉廣告遮蔽】。

使用【Firefox瀏覽器】or【Chrome谷歌瀏覽器】開啟並收藏！

移動流量偶爾打不開，可以切換電信、聯通網路。

收藏網址：www.peakbooks.cc

(＞人＜；)