人机之间的学习过程是否相似?人类的学习过程因人而异。一旦学习过程进入人们的思维,就很难改变它。但是,在机器学习(ML)中,很容易通过选择其他算法来更改学习方法。在ML中,我们有定义明确的过程来理解和评估学习的准确性。对人类学习的评估通常是通过考试来完成的,不能被认为是对智力的一种衡量。让我们在此博客中详细研究人机学习过程与机器学习过程之间的区别。
人类通过直接或与他人共享的经验获取知识。机器通过以过去数据形式共享的经验来获取知识。我们使用术语,知识,技能和记忆来定义智力。仅仅因为您拥有良好的记忆力,并不意味着您就很聪明。仅仅因为您很聪明,并不意味着您应该拥有良好的记忆力。但是,这些规则也有例外。人类通过记忆开始学习。几年后,他意识到背诵的能力并不是智力。然后,他练习将存储在内存中的数据转换为知识,并将其应用于发展解决现实生活中面临的问题的技能。一个拥有良好记忆力和更多知识而没有必要技能的人不能被认为是聪明的。搜索引擎取代了人类的记忆,近来的重点是通过利用网络上可用的数据来获取情报。在人类中,学习速度取决于个人和机器,学习速度取决于选择的算法和所暴露的示例数量。
技能是人类拥有的智力的体现。智力是应用知识的能力。人类的智力得以维持,但随着新技术的出现,他的知识逐渐消失。没有特定学科知识的人可以运用他们的智慧来解决新领域的问题。但是,只有通过重新训练从变化的场景中获取的数据来更新机器的智能,机器才能解决新问题。这是人类智能和机器智能之间的根本区别。
人和机器在运用智能解决问题时都会犯错误。在ML中,过度拟合会记住所有示例,而过度拟合的模型则缺乏概括性,并且无法在示例之前从未见过的情况下工作。在大多数亚洲国家中,教育体系通过过度的技术课程辅导和学费来使学生过度适应,使他们仅能解决示例性问题。这些示例问题可以在考试中得到解答,而无需运用任何智能。这些学生可以解决他们已经看到的问题,并且只能解决他们过去看到的问题。他们无法正确地处理一般性问题,因为他们的智能没有被概括。这是大学应聘者缺少技能水平的主要原因。简而言之,
在ML中,转移学习是一种重用机器学习专家创建的模型的技术,该模型已经在大型数据集上进行过训练。转移学习利用从一组分布中提取的信息。在人类中,知识的转移通常是由教师和学费提供者完成的。这可能不会使学生变得聪明。但是在机器学习的情况下,转移学习使受让人像转移者一样聪明。对于人类而言,转移学习仅转移知识,而转移学习依赖于受让人固有的智力来提高其解决问题的能力。
总而言之,过度拟合是人类和机器学习系统的祸根。机器智能仅限于对其进行培训的领域。但是,人类智能与他的训练领域无关。聪明的人将能够解决与不可预见的领域有关的问题,而机器则无法做到。
关注 CDA人工智能学院 ,回复“录播”获取更多人工智能精选直播视频!