那些机器“教”我的事儿

​三人行，必有我师。而这三人中，如今多了一个“机器人”。

所谓三人同行，那这“三人”必是在生活，学习，工作中都能观察到对方的做事方式和行事逻辑，从而发现对方的长处和自己的不足，作为一个常与“人”工智能打交道的产品人，着实能感受到“机器们”某些方面不凡的表现，当然并不是那些人不可企及的计算和存储能力，具体哪方面值得我们人类学习呢？待我一一说来。

一，泛化能力

 

相信玩过机器学习的同学对“泛化”这个词一点儿都不陌生，我们在训练模型的过程中总会关注模型的泛化能力，而且总会强调要防止过拟合。通俗点儿来说，泛化能力就是这个模型训练好之后，迁移到其他相同或类似的场景下也是work的，反之，如果训练好的数学模型只在当前的实验场景下起作用，但是一旦放到其他环境下，立马就失效了，这就是所谓的过拟合。这里还有一个具体的例子，比如说我们训练一个机器人说话，当我们教了这个机器人一句“谢谢”，并让他回复“不客气”后，那有泛化能力的对话模型，在我们教了他一句“谢谢”之后，他就可以泛化到“谢谢你了”，“谢啦”，“感谢”。。。这些表示感激的表达方式，并且可以在识别相同的意思时回复“不客气”，那过拟合可能就不一样了，你教他一句“谢谢”，并让它回复“不客气”之后，当你再问他同样表达感激的意思时，它就”听“不懂我们的感激了；

（有泛化能力的）

（过拟合）

其实，如果跳出机器的范畴来看，所谓的泛化能力映射到人类身上，所对应的就是一个人触类旁通，举一反三和活学活用的能力。那过拟合的反映是什么呢？正好与之相反--------只会解决某一个问题，但是对于情况稍有变化的同类问题就会束手无策，这就是所谓的人类的过拟合。总的来说我们可以说机器学习的过程就是一个得到泛化能力的过程，而人学习的过程就是一个总结方法的过程。现在越来越多的人担心机器会取代人类，也是感受到了机器在各个领域所表现出的过人的学习能力，先不说名声在外的阿尔法狗，就看看我们身边的随处可见的智能产品，比如说智能手机，智能音响等等已经不是以前的那般“智障”，他们的对于人类世界的认知拟合的表现也越来越好，总的来说，在总结方法这个方面，机器绝对是人的老师，虽然在运算能力上人类是无法企及的，但“泛化”能力是我们需要不断去培养和训练的。

二，重视过程数据，追问5W1H.

上面提到了数学模型的泛化能力，那如何提高这种能力呢？其中很重要的一条便是加入丰富的过程数据。比如说当我们想让机器预测一个人在某个电商网站购买某个品牌商品的概率，那建模过程中的结果就是用户最后有没有购买这个商品，还有这个结果关联度最高的------这个商品属于哪个品牌，这个品牌在哪个电商网站售出。其实离预测结果最近的这些相关信息都属于结果数据，那我们所谓的过程数据是什么呢？其实就是包括这个客户为什么会在这个网站购买，为什么会购买这个品牌？为什么会在这个时间购买？来这个网站购买的人是谁？是什么时候买的？等等，这一系列关于what,why,when,where，which，和how问题的答案就是所谓的过程数据，只有这些数据足够的丰富，我们的机器模型的预测的准确度才会更高。

关于5W1H,我相信学过管理学的同学应该不会陌生，解答好关于5W1H的问题，是我们做决策的基础。我们可以看到，为了训练一个好的模型，即使机器的计算能力如此之强，它都需要这么多的过程数据，更何况我们人所面临的问题更抽象也更不确定，所以在我们分析问题时，需要收集足够多的与结果相关的数据，才能帮助我们洞察事物的本质，找到决策中的最优解。

3.不断迭代，才能持续满足需求。

用过iPhone上Siri的同学应该可以很明显的感受到，2016年第一次在iPhone4s上使用Siri和现在我们再用Siri时体验的差距，最直观的感受可能就是Siri对中文的识别能力的增强，显然，支撑Siri运行的机器模型一直处于不断迭代升级的状态，而且对于所有机器模型来说，唯一不变的，就是持续迭代。这种持续迭代的状态其实也是机器不得不保持的状态，因为人类产生的数据是在不断变化的，而机器的模型是靠数据来训练的，所以这种动态更新也被模型继承。

人类社会的加速变迁也可以通过摩尔定律反映出来，我们所接收到的信息也在爆炸式的更新----我们现在一天能够接收到的信息量可能比古时候一辈子都要多的多。所以，对世界认知的持续迭代也已经成为我们生存，生活所必备的能力之一了。如果说以前我们还有“老人言”可听，有“别人走过的路”可循，那现在我们就只能靠最新的数据，这种“最新”可能是最近一年，一个月，一周，一天，甚至前一小时的数据来作出最后的决策，并不是说以往的经验是错的，而是为了应对外部客观环境瞬息万变，只能靠实时的，持续的迭代才能满足当前时代的节奏。

所以，泛化能力，解决5W1H的问题，不断迭代这三大能力也是我们工作中的三大利器，无论机器人还是人类，都依托于这些基础能力才能创造新的价值。

人工智能崛起的时代，我们所关注的不该只有技术层面，从1956年AI这一概念被创造，直到今天真正渗入到我们生活，从中我们应该看到哪些优势导致了这种必然，并持续的学习这些优势，不断的迭代自己。

让机器学习？No!向机器学习！

本文由：@赵磊 原创发布于PMCAFF产品经理社区，转载请保留此信息。

原文地址：http://www.pmcaff.com/article/index/934450483083392