機器學(xué)習(xí)算法：監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)

根據(jù)機器學(xué)習(xí)所需完成任務(wù)的性質(zhì)，機器學(xué)習(xí)算法可分類為監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)。

一、監(jiān)督學(xué)習(xí)

監(jiān)督學(xué)習(xí)的具體案例包括：垃圾郵件識別、人臉識別等。

垃圾郵件識別需使計算機“學(xué)會”識別某個郵件是否為垃圾郵件。為實現(xiàn)計算機識別垃圾郵件，開發(fā)人員需搜集較多的垃圾郵件和非垃圾郵件，并“告訴”計算機各個郵件分屬于垃圾郵件或非垃圾郵件。

人臉識別需使計算機“學(xué)會”通過人臉識別不同人，為實現(xiàn)計算機人臉識別，開發(fā)人員需搜集較多的人臉圖片，并“告訴”計算機各個人臉圖片分別代表哪個人。

上述的郵件和人臉圖片可被稱為訓(xùn)練數(shù)據(jù)，“告訴”計算機郵件和人臉圖片的歸類被稱為打標簽（Labeling for training data）。

為數(shù)據(jù)打標簽需要較大的人力成本，例如：現(xiàn)代人臉識別系統(tǒng)需要數(shù)千萬張帶有標簽的人臉圖片，一般為數(shù)千萬張人臉圖片打標簽需要數(shù)萬小時的時間。因此，隨著機器學(xué)習(xí)的發(fā)展，為數(shù)據(jù)打標簽成為了一個獨特的產(chǎn)業(yè)。

綜上，監(jiān)督學(xué)習(xí)（Supervised Learning）可定義為：同時向計算機輸入訓(xùn)練數(shù)據(jù)和對應(yīng)標簽的機器學(xué)習(xí)。

二、強化學(xué)習(xí)

強化學(xué)習(xí)的具體案例包括：計算機下棋、自動駕駛等。

在計算機下棋、自動駕駛中，計算機不是通過輸入訓(xùn)練數(shù)據(jù)和對應(yīng)標簽進行學(xué)習(xí)，而是通過計算機與環(huán)境互動學(xué)習(xí)。具體而言，計算機產(chǎn)生行為，同時獲得這個行為的結(jié)果。所使用的機器學(xué)習(xí)算法需定義每個行為的收益函數(shù)（Reward function），以使計算機獲得每個行為的結(jié)果（收益值），即計算機因行為獲得獎勵（收益值為正）或因行為受到懲罰（收益值為負）。

例如：在計算機下棋的算法中，計算機勝利獲得獎勵，計算機失敗受到懲罰；在自動駕駛的算法中，順利到達目的地，計算機獲得獎勵，中途出事故，計算機受到懲罰。

同時，強化學(xué)習(xí)的算法需設(shè)計相應(yīng)的算法，使得計算機可以自動改變行為模式以將收益函數(shù)最大化。

綜上，強化學(xué)習(xí)（Reinforcement Learning）可被定義為計算機通過與環(huán)境的互動逐漸強化其行為模式。

三、監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)可結(jié)合使用

監(jiān)督學(xué)習(xí)和強化學(xué)習(xí)的應(yīng)用不是完全分割的，在一個機器學(xué)習(xí)算法中可以同時使用機器學(xué)習(xí)和強化學(xué)習(xí)。例如：圍棋機器學(xué)習(xí)算法AlphaGo（根據(jù)百度百科：該圍棋算法與圍棋世界冠軍、職業(yè)九段棋手李世石進行圍棋比賽，以4:1的總比分獲勝；該算法在中國棋類網(wǎng)站與中日韓數(shù)十位圍棋高手進行比賽，連續(xù)60局無敗績；該圍棋算法與排名世界第一的世界圍棋冠軍柯潔對戰(zhàn)，以3:0的總比分獲勝。圍棋界公認該算法的棋力已超過人類職業(yè)圍棋頂尖水平）

不是單獨使用強化學(xué)習(xí)建立機器學(xué)習(xí)算法，而是首先通過網(wǎng)絡(luò)中圍棋高手的對局進行監(jiān)督學(xué)習(xí)獲得了一個較好的初始圍棋程序，再對該初始圍棋程序進行強化學(xué)習(xí)。

編輯：黃飛