未来世界，人类的生活不过是种种算法？( 四 ) _算法

①　亨利?珀塞尔和本杰明?布里顿分别为歌剧《亚瑟王》和《彼得?格里姆斯》的作曲家，布里顿的作曲风格深受珀塞尔的影响。——译者注
这些会学习的算法有助于我们重新审视自身的学习方式。推荐算法既没有认识到珀塞尔和布里顿之间的联系，也不需要拥有任何专业的音乐史知识。它只是对用户的选择进行观察，并从所见所闻中学习。事实上，这与一个孩子学习母语的过程没什么两样——从观察周围说话的人开始，然后用大量时间去模仿，不需要理解语法、动词变位和动宾搭配的问题。一个小孩知道应该说“我去学校”，而不是说“我走学校”，却无法解释为什么。正如推荐算法会向用户推荐本杰明?布里顿，却不能解释为什么用户可能喜欢这个作曲家。

文章插图

推荐系统简单示例
有些学习程序的问题很难解决。假如我们要识别物体，如一只狗、一只猫、一张桌子，等等。在一张图像中，数据以像素的形式呈现，通过统计分析图像中的黑色或者蓝色像素点，很难区分这是一只狗还是一张桌子。这时，必须使用更复杂的学习算法——深度学习算法。深度学习算法首先尝试从图像中找到直线、圆、爪子、腿、桌脚……然后再寻找越来越复杂的物体对象。算法同样也是逐步建立越来越抽象的图像表达，最终找到被识别的物体。难点是，算法如何知道需要识别哪一种元素？是爪子、腿，还是桌脚？没关系，算法会通过自身的经验进行学习。例如，深度学习算法可以让下围棋的程序取得巨大进步，打败最优秀的人类围棋选手。