25、以太坊区块链上的机器学习：构建去中心化市场

以太坊区块链上的机器学习：构建去中心化市场

1. 机器学习概述

机器学习（ML）是人工智能（AI）的一个子集，而人工智能又是数据科学这一广泛领域的一部分。ML专注于创建能够自我学习的程序，以解决特定问题，无需编写所有逻辑，只需提供大量输入。其主要机制是试错，机器通过这种方式逐渐学会为问题得出正确的输出。

从人类认知世界的角度来看，理解计算机学习的方式可以从人类如何在充满危险和困惑的世界中生存学习得到启发。以原始世界中遇到一个全新的扁平闪亮红色物体为例，人们通过不断尝试不同的操作，如用棍子触碰、用手触摸、抓取并尝试破坏等，逐渐了解该物体，最终得出它是一个可利用太阳能烹饪食物的坚固天然金属圆盘的结论。这就是试错机制，也是机器学习算法解决问题的方式。

创建机器学习系统通常有三个步骤：
1. 收集信息 ：收集关于某个主题的大量信息，例如200万张独特水瓶的图像。
2. 开发模型 ：开发一个能生成所需输出的机器学习模型。例如，创建一个根据水瓶的形状、大小、颜色、化学成分和纯度对水瓶进行分类的模型，这些属性被称为标签。
3. 模型训练 ：模型在称为训练的过程中消耗所有数据，调整每个组件的重要性，以计算出决定最佳水源的因素。训练完成后，模型将理解构成人类最佳水源的属性，并生成一个程序，可用于快速确定特定新水瓶的质量。

一般来说，机器学习的步骤是获取数据 -> 创建使用该数据的模型以生成程序 -> 将程序应用于特定情况。此外，还有许多其他系统，程序通过试错自行获取数据进行学习。一些有趣的机器学习算法从生物层面出发，教导机器