让机器学会学习，推理能力仅是人类智力的一个小分支，我们还擅长使用类比的方式进行思考，或以直觉作为行动参考，逐步积累经验认知世界，感知，直觉，经验等都是后天习得的能力，或者说是后天训练出来的能力，因此，如果我们想制造出一种接近人类智能的机器，首先要做的就是赋予他学习能力，人脑是由860亿个相互连接的神经元编织的网络组成的，其中约160亿个神经元活跃在大脑皮层中，每个神经元与平均约2000个，其他神经元通过一种被称为突出的结构连接神经元，通过创建突出删除或或者改期有效性而进行学习，因此，目前最流行的机器学习方法便是建立人工神经网络并通。
或修改它们之间的连接，达到学习的目的，我们可以列出一些基础原则，机器学习的第一阶段可以被叫做学习或者训练，在此阶段，机器学习如何完成一项任务，第二阶段是实施阶段，此时机器不再学习，为了训练机器，识别一张图片中的物体，有汽车还是飞机？我们首先需要提供数千张汽车或者飞机的图像，让机器学习每次当机捕获图片时机油人工神经元相互连接组成的内部神经网本质是由计算机算的数学函数变化处理，该图片并输出相应答案，如果答案正确，那么我们什么也不需要做，直接转到下一张图片即可，如果答案不正确，那么我们可以调整机器内部的相关参数及调整神经元之间的连接强度，使其输出的答案向正确答案靠近，从长远的角度来看，不过不。
断调整的机器最终可以识别任何物体，无论该物体是否曾经出现在他见过的图像上，我们将这种能力称为推广能力，虽然机器识别图像的过程与人脑的工作原理相似，但机器与人脑之间依旧存在不可忽视的差距，我们来看一组对比数据，人类的大脑有86×10的九次方的神经元，通过约一点5×10的14次方个突出相互连接，每个突触每秒可执行上百次计算，一次突出计算，相当于计算机算进行上百次的数字运算，如乘法加法的，也就是说，一个正常运作的大脑每秒可进行一点5×10的18次方次运算，当然，在现实中大脑的神经元只有一部分一直处于被激活状态，相比之下，每个gpu每秒可执行时的13次方次运算，因此需要十万个，gpu。
能接近大脑的运算能力，还有一个关键点及人类大脑消耗的功率大约为25万，而一个CPU的消耗是人脑的10倍及250瓦电子的效率是生物的1/1000000。
158自学网 » 机器学习及其应用,让机器学会学习
