机器学习是人工智能时代对于开发者而言，最核心也是最近的领域。机器学习看上去是比较深，比较复杂的后端开发技术，被算法工程师牢牢掌控着，前端开发者难道不能涉足吗？我们真的要错过吗？如果我是前端开发者，如何入门机器学习？要学 python 吗？我不会怎么办？本期 Robust 我就带你来聊一聊机器学习。
网易云音乐：点击播放
喜马拉雅：点击播放
以下是我的手稿原文：
- 什么是人工智能？
简单的讲，是要用信息技术模拟人的自然行为，以辅助人类完成某些工作。
它包含哪些内容？最起码：a 感受系统（传感器技术）b 认知系统（自然语言处理 (NLP)，深度神经网络）c 决策系统（深度学习）d 响应系统（机器人技术） - 什么是机器学习？
我们现在讲机器学习，实际就是讲基于神经网络的深度学习。它是人工智能的认知决策的核心内容。 - 目前已经实现的领域有哪些？
图像识别、自动驾驶、智能语音（同声传译）、搜索、艺术创作、医学诊断、玩游戏
语言中提到的搜索引擎 https://magi.com/ - 机器学习基本上可以分为三个类别: 监督学习、非监督学习和强化学习。
- 对于前端同学（非数学专业）而言，如何用更简单的语言描述机器学习中遇到的复杂概念？
对于复杂概念而言，它的本质是对具体描述的抽象。它之所以难懂，是因为抽象程度高。我们要做的，就是还原它的具体，我们先忘记这些概念，去搞明白抽象背后的具体描述。一个概念，可以用不同的具体描述与之对应，我们就用自己日常生活中最接近自己的具体事件去描述，在没有概念的情况下，我们也能知道，这个概念是在描述一件什么事。当我们反复用啰里八嗦的具体描述去阐释一个东西时，我们自然而然，就会有强烈愿望用一个简单的概念去描述它，这个时候，我们再来看，就会发现原来这个概念就是这么回事。 - 那么我们如何用简单语言来描述“监督学习”这个概念呢？
它的本质就是归纳法。
简单的说，你首先需要一堆数据【给定数据集，也被称为训练集】，这些数据都是客观事实。其次，你需要有一个训练算法，通过这个算法，找出这一堆数据的内在联系（一般用一个函数来表示），这个东西就是训练的结果，也就是我们常听见的模型。【训练阶段】最后，利用这个模型，去预测一个新给的参数所带来的结果。【推理阶段】
其中，训练算法是关键。它存在性能问题，为什么呢？这和机器学习的范式（归纳法）有关。机器学习和我们以往寻找最优解的模式不同。我们以前寻找一个最优解，考虑的是运算最短路径和准确性，也就是在保证一定能找到最优解的情况下，用最少的运算次数找到最优解。
而机器学习皆然不同，它的预设是没有基本规则前提下的归纳方法，因此，通过机器学习找到最优解不是精确的，而是近似的，至于运算的次数，要看运气，但一般而言，都是将所有可能遍历一边。我们传统的一些思考方法，都是有预设和前提的，比如说，找出一组数中，最小的值。用传统算法，我们在“找出最小值”这个目标下，可以先将这些值进行分组，每组最小的再比，或者通过冒泡算法之类的进行排序，总之，我们很明确知道不同值之间它们存在的大小关系。
但是，机器学习的前提是，它不知道两个值谁大谁小。你需要先让它学习，比如说，1和2，它事先不知道1和2谁大谁小，你需要告诉它，你可以先告诉它这么一个集合[[1, 2], [8, 199], [5, 92], [43, 1993], [234, 93582], …]，然后告诉它每一个数组第一个值比第二个值小。这个集合就是训练集。它可以通过这个集合学习到 a-b<0 的时候，表示a比b小。而这个 a-b<0 就是它的训练结果，将来遇到任何两个数，它都能知道这两个数谁大谁小。有了这个谁大谁小的前提，才能进行后面的“找出最小值”的算法。
那么怎么进行训练呢？这里就涉及到“成本函数”“神经网络”等等概念。 - 什么是成本函数？
训练的本质，实际上就是求函数的系数的过程。比如，我们初中学习的一元二次方程，y=ax^2+bx+c，这个一元二次方程可以运用到的地方实在太多太多了。比如经典的案例是“波特兰的房价”，一套房子大概能卖多少钱呢？假设它受三个因素影响：地理位置a，房子大小b，采光c。那么我们我们怎么知道 a, b, c 分别是多少呢？初中求一元二次方程告诉我们，需要给我们三组x, y，然后代来代去，最后算出 a, b, c。
机器学习的训练过程中，没有求一元二次方程这么高的智慧，它能干啥呢？它只能干最蠢的事，你需要先知道三套或以上的房子的实际价格，也就是知道三个以上 [x, y] 把所有的a, b, c可能的值，一个一个的代入到方程中，然后计算出 x, y，然后去看，当前代入的 a, b, c 算出来的 x, y 是否和这三个 [x, y] 都匹配，如果找到一组 a, b, c 正好让方程满足三个 [x, y]，那么说明这一组 a, b, c 就是我们要找的解。
机器学习就是这么蠢。
那么什么是成本函数呢？现在，把上面这个房价问题抽象成坐标轴中的数学问题。三套已知房价就是平面坐标轴上的3个点。接下来，机器学习假设a的范围是[0, 100], b的范围是[0, 50]，c的范围[0, 10]，这里是先假设，假如再这个范围没找到，我们再扩大范围。A, b, c 的组合就有50000种可能，也就是在坐标系里面，可以画出50000条抛物线。那么哪一条抛物线才是我们要的呢？就是去看这些抛物线和已经画出来的那三个点。靠的最近的，就是那一条。怎么靠的最近呢？在x 相同的情况下，点的y值减去抛物线上的y值最小，三个点都这么去计算，当然，为了避免正负号问题，还可以相减之后求绝对值，这三个绝对值相加最小的那一条抛物线，就是我们要找的抛物线了。而这个算法，最终会变成一个 f(a, b, c) 的函数，而这个函数，就是成本函数。
成本函数，决定了这次训练过程的性能，也就是要花多少时间才能找到正确的 a,b,c，这个过程，运气不好的，可能比挖矿还要慢。 - 什么是神经网络呢？
我们现在所说的神经网络，多半是指深度神经网络。深度学习就是指基于深度神经网络的机器学习。神经网络和深度神经网络就是程度上的不同，本质一样。
神经网络和人脑神经元网络一样，每一个神经元都有自己处理信息的能力，通过树突接收信息，通过轴突输出信息。接收的信息可能来自另外一个神经元输出的信息。
在深度神经网络中，这些神经元被分层，每一层所负责的工作不一样，每一层可以包含多个神经元。每一层输出的信息，可以被下一层的任何神经元接收，这个根据需要来处理。
核心就在于，每一个神经元所包含的算法，以及这个神经元所得出结果的权重。算法工程师在编程时，实际上就是在干这件事，首先安排一个什么样的神经网络，其次，给网络中的每一个神经元加入算法和权重，然后找一大堆训练集，运行这个网络。
回到我们上面的房价问题。我们用穷举 a, b, c 的方法实在是太笨了。我们把这个穷举过程改为用神经网络来处理的过程。我们现在创建一个2层的神经网络。对于输入而言，地理位置的权重最大，房子大小权重居中，采光条件权重最小。第一层网络要解决一件事，就是将训练集中的所有房子之间，a, b, c 的关系转化为某个特殊逻辑关系，这个逻辑关系虽然是从已知的这些训练数据中来，但是和训练数据已经完全没有关系了，从输入到输出这个过程，被称为“激活”。
第二层网络要干一件事，就是将我们上面找到的逻辑关系再次进行运算，得到特定逻辑和房价之间的关系。
至于中间的激活函数是什么，我们就不去纠结了，这是算法工程师要写的东西。
最终的效果是，通过这个两层的神经网络，我们减少了找到 a, b, c 的时间，同时提高了准确率。 - 什么是激活函数？
在上面提到的过程中，原始输入值在输出之后，为了方便下一层网络使用，我们都要对这些不规则的结果值，进行归一化，一般都是将这些值转化为 [0,1] 或者 [-1, 1] 之间的小数，这样，我们可以非常容易的对两个值进行观察和处理，而不用考虑不规则的数之间带来的差异。而负责这个转化过程的算法被称为“激活函数”，激活函数的主要作用，实际上是将非线性的数转化为线性的，也就是我们经常听到的“线性变换”。
目前最常被提到的激活函数有 sigmoid, tanh, relu. - 什么是模型？
说白了，模型就是训练结果。也就是最前面，找出二元一次方程系数后，把这个二元一次方程固定下来。另外一个人在要预测另外一套房子的时候，就不需要自己再去训练，而是直接拿你训练的模型，也就是这个二元一次方程，传入对应的x，得到y就结束了。
训练算法是得到模型的关键。前面说过，机器学习不是追求最准确，而是近似。所以，就有一个算法调优的过程，也就是以更小的代价，得到更靠近准确值的 a, b, c 的过程。算法工程师的功力，实际上就在算法调优（发明或改进算法）的能力上。 - 什么是卷积神经网络（CNN）？
首先，什么是卷积？中文翻译的好，它包含“卷”和“积”，积就是相乘，卷就是相加且有反复连续不断的意思。卷积就是将要素值相乘，然后将乘积相加的过程，相加多少次由计算目的决定。不过，在相加过程中，实际上有一个衰变过程，也就是说，前面的乘积，在后续的相加过程中，会衰变，对权重的影响不如最新的积带来的效果大。它的本质，实际上，就是加权叠加，通过加权叠加，我们可以找到权重突出的要素。这也是卷积被应用到神经网络中的原因之一。
那么什么是卷积神经网络呢？深度神经网络有很多层组成，每一层内包含很多神经元，层与层之间有先后顺序。在众多神经网络中间，有这么一种神经网络，里面包含了一个特殊的层，这个层的主要作用是对输入值进行分组后相乘，然后通过激活函数进行归一化，而且，这个神经网络很奇怪，这个特殊层有连续好多个，只是里面的参数有稍微的调整。这种就是卷积神经网络，而这个特殊层就是卷积层。当然，这里是一个缩减化的，实际上，在卷积神经网络中，连续重复的不是只有卷积层，而是多个层，一般包括：卷积层、线性整流层（也就是上面提到的激活函数）、池化层（衰减作用，以得到维度更小的特征）。而这些重复的层结束之后，还会有一个全连接层，将卷积结果做最终的整合，得到最终的结果。
卷积神经网络在图像识别上取得了非常大的成功。我们简单说一下，图像的本质是像素的组合。对图像识别，实际上就是对图像中事物到已有知识库中进行匹配的过程。怎么在卷积中做呢？首先，将图片像素RGB分别取出，并通过补充的方式，得到一个3的整数倍长宽的正方形。现在有一个滤波器（一个3x3的01矩阵），将原始R层切分为3x3的网格，每一格拿出来和滤波器每个位置相乘，然后将所有位置相加，就得到一个值，然后将所有格子相乘相加得到的值组成一个新的矩阵，并通过激活函数，将上面的值归一化。按照上面的方法，再进行一次滤波相乘相加。如此反复几次，就可以得到一个经过归一化的很小矩阵，从而表达R层在某一个特征（滤波器所表达的这个特征）上的值。已同样的道理，再做其他层其他特征的卷积。最终在全连接层对这些特征值进行分类匹配，找出这张图片是车还是猫的可能性各自多大。 - 分类的重要性
对样本进行分类，无论是监督学习（人为给出分类），还是非监督学习（人为不给分类，只给出创建分类的方法），都极其重要。
机器学习的目标，是要做出决策。决策的依据是什么？就是被预测的值被丢到哪一个分类中。例如股票预测中，通过机器学习，得出3个分类，并对每一个分类采取不同的操作建议。当你输入新的一支股票时，它就可以预测这支股票属于不同分类的概率，并且你可以通过最大概率的那个分类进行决策。
所以，机器学习的【推理阶段】本质就是给目标进行分类的过程。而它进行分类的依据，就是来自【训练阶段】的结果，即模型。 - 前端开发者如何学习机器学习？
前端开发者最擅长的是应用开发，而非算法开发。所以，我觉得，要从应用开发开始，建立兴趣。
Tensorflow.js 是谷歌开源的机器学习框架，使用 Tensorflow.js 可以使用 js 作为开发语言，进行机器学习的开发。对于这个框架而言，我们其实可以做两件事：a 纯作为一个第三方开发库，用来做应用开发；b 进行训练开发，创建属于自己的模型。
如果刚开始，我们可以不用它来做训练，而是只用一些已经公开的模型，来做应用开发。
它的官方网站是 https://tensorflow.google.cn/js 你可以在官网上找到它的接口，当然，用于训练的接口你可以先不管，可以先跟着官方的入门文章，掌握如何利用官方公开的模型，做一些小案例，比如如何识别手写体数字等等。这段时间是疫情时期，大家都在家远程办公，长时间坐着会不会带来健康问题，有一位腾讯的小伙伴突发其想，利用人体骨架模型写了一个监控坐姿的小应用，你可以通过 https://www.doverr.com/alarm/index.html 访问。其实里面涉及的技术还挺多的，有兴趣可以自己去八一八。同样是人体骨架模型，实际上，还有有其他的用法，比如我想到一个点，就是通过对人体骨架的预测，来匹配背景音乐，这样，可以让抖音背景音乐更匹配。
在使用 tensorflow.js 实现了一些应用之后，如果有兴趣，就可以学习它的训练api，同时深入去学习算法，编写自己的神经网络，创建自己的模型。
在小有成就感之后，就可以重新回头，开始去研究机器学习算法，甚至重新学习高数来提升自己的算法能力。
