@王威廉微博:华盛顿大学教授Pedro Domingos在2015年的ACM Webminar上介绍了他认为的机器学习五大流派。他认为,机器学习中符号主义者的代表人物是Mitchell、 Muggleton、Quilan,联结主义者代表是LeCun、Hinton和Bengio,进化主义代表是Koda、Holland以及Lipson,贝叶斯派代表人物是Heckerman,Pearl和Jordan,Analogizer代表人物是Vapnik等。

下面是Pedro Domingos的演讲幻灯片的编译和总结:

1、知识从何而来

Pedro Domingos认为,知识来源于进化、经验、文化和计算机。对于知识和计算机的关系,他引用了Facebook人工智能实验室负责人Yann LeCun的一段话:将来,世界上的大部分知识将由机器提取出来,并且将长驻与机器中。

2、计算机如何发现新知识

Pedro Domingos帮助计算机获取新知识,可以通过以下五种方法来实现

填充现存知识的空白

对大脑进行仿真

对进化进行模拟

系统性的减少不确定性

注意新旧知识之间的相似点

3、机器学习的五大流派


1)符号主义

符号主义代表人物

符号主义算法

2)联结主义

联结主义代表人物


神经元和人造神经元




反向传播算法图示


3)进化主义

进化主义代表人物


遗传算法


遗传编程


进化机器人

Pedro Domingos在这里提到了基于生物进化理论的「海星机器人」,该机器人由佛蒙特大学的Josh Bongard研发,能够通过内部模拟来「感知」自己身体各部件的状况,并进行连续建模,从而在不需要外部编程的情况下自己学会走路,当机器人外部受到破坏,比如说失去了一条腿,它可以重新建模并学习到一种新的行走方式。Josh Bongard在论文《Evolved Machines Shed Light on Robustness and Resilience》中对此进行了详细介绍。

4)贝叶斯派

贝叶斯派代表人物

基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能,贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连,然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。

5)Analogizer

Analogizer代表人物

近邻算法nearest neighbor

内核机


基于该理论的Netflix推荐系统

4、展望

Pedro Domingos总结了五大流派目前存在的问题和解决方案,但他也重点强调,我们真正需要的是可以一次性解决这些所有问题的统一算法。

5、各学派的综合

表示

概率逻辑(例如马尔可夫逻辑模型)

带权公式,状态分布

评估

后验概率

用户定义的目标函数

最优化

公式发现:基因编程

权值学习:反向传播

6、通用学习者

Pedro Domingos认为,要研究一个解决所有问题的通用算法,创造一个「通用学习者」,还需要很多工作去做。而通用学习者的出现将在以下四方面发挥巨大价值:

家用机器人

全球范围的智力互联网

癌症治疗解决方案

全方位的推荐系统

返回