小白都应该了解的AI 知识，你都了解吗？ 你知道什么是机器学习，什么是监督学习， 什么是无监督学习，什么是强化学习吗？

先来看一个整体概念，什么是人工智能（AI）？ 广义上讲， 机器智能就是像人类一样具有智能的系统和配备这种系统的机器人。

人工智能分类

机器学习是实现人工智能的一种方法。

机器学习的定义是，向系统提供数据并且能够通过数据自动确定系统的参数（变量）， 这种喂给系统的数据就是学习数据，也称作机器数据。

机器学习面面观

机器学习的要点是通过数据自动确定参数， “自动”是关键， 如果有人工编写规则的系统，例如包含if 。。。else等控制的系统，就不是机器学习了。

机器学习分类，可以分为监督学习、无监督学习、强化学习。

监督学习就是给事先提供的训练数据预先标记出了正确的标签， 标签是重点， 例如，“对邮政编码中的手写数字进行分类”是一种监督学习。监督学习包括学习阶段和推理阶段。

无监督学习，就是将大量数据中类似的数据分为一组，专业术语称之为聚类，例如，“根据购买数据对客户进行分组的系统”

强化学习，是一种主要用于“时变系统控制规则构建”和“对战博弈策略构建”的学习方法，就像我们学习骑自行车，在不知道控制对象的物理定律的情况下重复试错，以学习到所希望的控制方法。

强化学习没有带标签的数据作为训练数据，但是也有监督信息， 系统根据强度学习的程序运行并反复尝试， 在获取结果时会给出“奖励”的信号。 例如，在机器人学习走路的步行控制中， 可以走的距离就是奖励， 走的距离越远，奖励越大。失败时的奖励是负的数值，也就是惩罚。

强化学习会根据重复实验和获得的奖励，自行改变控制规则， 通过不断的重复实验，一点点的变得更加强大，就像高中生不断重复的刷题并认真总结，就会提高考试分数，是同一个道理。

深度学习是机器学习的一个子集，它使用多层神经网络（称为深度神经网络）来模拟人类大脑复杂的决策能力。

识别海星与海胆的神经网络示例