机器学习已是现在进行式，当其发展成人工智能AI，终究会对我们造成影响，但机器到底能学会什么？
机器能学会什么？
机器人行动笨拙，除了制造业的专用机器手臂，机器人的动作远不如人类灵敏，是因为机械操演不够灵活。但机器学习（MachineLearning，ML）则是另一个领域，是人工智能AI的核心技术，不需要机械的操演，但能学习人类相当多的技术，甚至替代人类的工作。
一旦机器人的机械操演技术进一步进展，也就会学到一些人类日常生活的动作，当然这也要用机器学习产生的AI做为脑子。所以机器学习ML，恐怕不是一个机器人坐在书堆上，一本本的读。
上个月《科学》杂志有一篇报导，探讨机器学习的特性与功能，有些领域机器可以学的非常好，这领域的工作迟早会被机器替代，但有的领域机器却学不了，在这些领域人类仍然主导。
目前的机器学习主要是用计算机仿真的神经网络，模仿我们思考的方式，然后用大量的数据来训练，增进智慧，训练结束之后，就成为一个AI软件。当然这句话的解释过于简单，实际上用计算机软件模仿我们脑神经的运作，适用性仍有争议，这只是目前的技术。
机器虽然不同于人类，但学习的情形有类似的地方，比如从病历诊断哪一种疾病发生的机率，从贷款申请预测未来偿还的机率，这些都是医师与理财专家天天做的事，但机器可能比人做的更快更好，因为因果关系、也就是输入与输出的连结，定义清楚，适合机器的学习运算。
闪兔分拣机器人智能分拣机器人策划书自动分拣机器人的优势闪兔分拣机器人另一个有意思的是，机器是不讲理的，学习得到结果，却说不出演绎的道理，医师能从病历耐心的解释诊断的结果，但机器的解说显然不如医师。这正说明了计算机仿真与人的思维运作不同，神经网络从输入到输出可能有很多层次，每一层次运算出多项结果传递给下一层，这些中间结果并不做他用，所以我们看到最终结果，却看不到中间过程。
分拣机器人的应用机器学习的算术法，都是用统计与或然率求得答案，学的再好，一旦用到AI解决问题，都没有100%的肯定答案，也就是仍然有出错的机会，如同最好的人类专家一样，我们用AI解决问题，要把容忍出错放在心上。
综合机器学习的特性，需要大量数据，定义严谨的输入与输出连结，使用统计与或然率，不能发展出单一的最佳答案，不能做清晰解释。机器「受困」于计算机仿真的神经网络，缺乏人类的适应性，不能突然改变。
所以底线是，许多工作难以自动化，至少要比传说的来得慢。但仍不能掉以轻心，机器学习发展成AI，终究会对我们造成影响，在不同的领域，以不同的程度替代我们的工作。值得注意的是，机器学习也不断的在“学习”，学习能力一天天提升。
闪兔分拣机多少钱视觉传感器分拣机器人市药品分拣机器人
相关文章
排行榜
最新看点
编辑推荐
