微信公众号搜"智元新知"关注
微信扫一扫可直接关注哦!

2018/7/16 初学者

一、复杂系统

predicting the Unpredictable

1.Math from its birth

  最早的数学来自于古埃及土地测量学,中国也出现古老的《九章算术》,逐渐发展成为了物理学、化学等学科的基础,以及我们现在的大数据都是以数学为基础,都是因为数学模型这个对现实抽象的一个工具。真正的数学模型首先起源于古希腊,用圆代替地球运行轨道,球代替地球本身等。
 具有代表数学模型(物理学和天文学):
 (1)托勒玫提出的托勒玫宇宙模型系统 :非常精确预测每年日历、月历,比日心说的预测都要精确。
 (2)开普勒三定律:基于其老师的大量的测量数据。
 (3)牛顿力学体系:牛顿三定律、万有引力定律。是推动工业革命的发动机,第一次大规模广泛运用数学模型。
 (4)哈密顿分析力学:拉格朗日和哈密顿方程,推广了牛顿力学,使牛顿力学体系运用在除力学以外的其他物理学分支,例如热学、电学、光学、量子力学等。
  牛顿力学给人们带来一种希望,只要有大量数据,就可以通过牛顿力学来预测一切事物的变化与发展,例如股市、自然灾害甚至于人类本身的思维等,但是牛顿力学在这些领域被证明是失败的。
 
2.Compleity ruins predictation
 
(1)Randomness              随机性:无处不在的随机性使得确定的预测成为一种不可能,对每个事物的影响的因素会有很多,导致事物的不确定性很大。
(2)Chaos                         混沌:初始条件的细微改变,使得结果的影响很大。例如:“三体问题”。
(3)Reflectivity                 反身性:观察者的观察对象的纠缠,导致观察者会影响测量物体。
(4)Nework Effect            网络效应:大量简单的个体行为对整体对系统都会有或多或少的影响。
(5)History Dependency  历史依赖性:此刻的状态取决于之前的状态的集合,预测需要包含无数过去信息。
 
简单个体的相互作用可以产生复杂的宏观现象,例如:磁性
复杂系统:是一种模块化的系统,普通节点一般只和相连的Hub(中心节点)节点相连接,例如:股票,社交等等
 
 
感受:听着网络效应、不确定性、混沌,一个细节的简单改变就会带来结果上很大的改变,就不由自主的想起了小学看过的一个马掌钉的故事 
       少了一个铁钉,丢了一个马掌,
  少了一个马掌,丢了一匹战马,
  丢了一匹战马,败了一场战役,
  败了一场战役,失了一个国家。

 二.大数据与机器学习

1.人们经常认为只要数据足够多,可以预测一切,但是显然并不是那么简单。
  • 一直增加信息收集,却无法通过越来越多的信息,下定结论。
  • 谷歌流感计划:通过人们在谷歌的大量点击搜索流感的特征的查询,可以预测流感的爆发,然而通过数据显示,显然这个计划并没有他们想象中那么靠谱,信息的天然复杂性和数据噪声的影响中,想要通过数据来预测并不是那么简单。
  • Trump的选举成功:之前的无数次民意调查中很显然,与大众支持率持续很高的希拉里相比,他的选举貌似从开始就是希望不大,但是结果出来的那一天,就突然发生了极大的反转。人们又一次对大数据产生了怀疑,它是否真的有用。
  • 大数据在复杂性面前成为了小数据,多维度的复杂系统下,大数据也不再那么可以继续发挥它应有的作用。
  • 复杂性面前没有大数据。
2.拯救大数据
算法是拯救这一切的一个重要的、非常有效的办法,可以提炼更加有效的信息
效果:剔除噪声,“萃取”有效信息,变化成行动的action,得到反馈,然后改进算法。
 
 

 三.人工智能的三个阶段

 
 

分享图片

 

1.符号时代:

可编程:
  • 编为0.1,程序让计算机执行。
  • 但是因为复杂性,新请情况无限,符号无法适用。
2.控制时代:
算法:
出现很多统计模型,自己适应调整:
PCA、Logistic vegRSSion、决策树、贝叶斯网络
  • 使用数据改变自身结构,通过实际数据自己学习
  • 模拟人的思维
3.连接时代:
深度学习:深度卷积网,GPU的运算可以更好的训练神经网络。
特征学习、特征工程,因为电脑很长一段时间只能完成线性的“一刀切”的分类,所以就需要寻找新特征。
4.人工智能的应用:
  • document classification 文本分类
  • entertainment 娱乐 例如:Netflix
  • vision 视觉
  • speech recognition 听觉
  • machine translation 翻译 RNN
  • AI designer 设计师,换装展示效果
  • AI business detection  商业
  • financial AI report 金融
  • Agriculture 农业 例如:拖拉机(blue river公司)、卫星(佳格天地)  是很有潜力的领域
  • medicine 医疗                                                                                      核心领域
  • detecting Earthquake 网络协同, 同一地区,很多设备同时检测到震感
  • AlphaGo 
  • 无人驾驶    各个公司多重布局,                                                             革命性领域
 
 
感受:人工智能的学习不是简单的从无到有,而是系统的自我改进,重在通过数据学习进行反馈。
          人工智能的运用是在需要个性化比较强,注重个体差别的、或是需要大量数据经验来判断特征的领域
          复杂性下,大数据既然不够用,就用复杂的神经网络,复杂对抗复杂。

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐