怎么挑西瓜？

当夕阳的最后一抹余晖散去，燥热像城管的狗，也随着霞光而去。小街华灯初上，支起的帐篷，码开的桌椅，散落街道两边...



当夕阳的最后一抹余晖散去，燥热像城管的狗，也随着霞光而去。

小街华灯初上，支起的帐篷，码开的桌椅，散落街道两边。炒粉炒饭炒螺丝的香气渐渐散开，藏在冰柜里好半天的脾酒，也上了桌。在不那么扎眼的路灯下，也能看到冒着的白烟，摇曳在沁人的夏风里。

夏风微凉，水果店里的人们人头颤动。现在的时令水果，当属西瓜是最受欢迎的。一天工作下来，多么辛苦，走在街头挑个西瓜吧，犒劳下自己。左右翻滚，敲敲打打。我就这么选西瓜的。你呢，想买个西瓜不会挑？傻眼了吧？

怎么挑西瓜

秘诀四小招，根蒂卷曲，纹路整齐，青绿色，敲起来声音浊响的。挑好了，你就可以满心期待皮薄肉厚瓤甜了！

• 西瓜的蒂头，若是卷曲圈起来的，就很甜。
• 西瓜纹路整齐的，就是好瓜。

• 颜色最好挑青绿色，不要雾雾白白的。

• 敲一敲，声音浑浊的，好瓜。

我啥时候会选瓜的？Secret！

其实，这选瓜就涉及到基于经验的预判了！我们很多时候就靠着这种经验的累积，不断学习和纠正，才慢慢变成了挑瓜小能手的。

选个好吃的西瓜这么麻烦啊，能不能交个机器去自动化的选呢？奇哥自从冒出这个问题后，茶不思饭不想，买来的西瓜也没吃。

能不能机器挑西瓜

找啊找啊找答案，突然发现，山穷水尽时，柳暗花明。有个叫啊噻·啥苗儿？（ Arthur Samuel）的，在1952年的夏天，估计也碰到了奇哥同样的问题。那是1956年的一个夏天，在美国一个叫达特茅斯的地方发生的。估计也是好多个西瓜没吃成，最终他憋出来一个办法来解决这个问题，那就是让机器学习怎么选西瓜。

啊噻·啥苗儿，后来查到他中文名是阿瑟.萨缪尔。这个阿瑟.萨缪尔还取了个很神乎的名称叫机器学习（Machine learning）。

咱还记得人工智能（AI  artificial intelligence）这个词儿是什么时候什么地方发明的么？对，也是1956年在达特茅斯，机器学习（Machine learning）也被同时同地造出来。所以人工智能（AI  artificial intelligence）和机器学习（Machine learning）实际是一对双胞胎，只是爸爸不一样。机器学习（Machine learning）的爸爸叫阿瑟.萨缪尔，人工智能（AI  artificial intelligence）的爸爸叫约翰.麦卡锡。阿瑟.萨缪尔在1959年还为他的儿子机器学习写了一片文章”Some studies in machine learning using the game of checkers”（跳棋游戏使用机器学习的一些研究）。

虽说是同时出生的双胞胎，但机器学习伴随人工智能而生，但关系不是并列的。它是人工智能的核心，是使计算机具有智能的根本途径。作为一门研究人工智能的科学，它其实更像是人工智能的儿子。机器学习是个什么鬼？

百度百科写到机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。

机器学习有下面几种定义： “机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。 “机器学习是对能通过经验自动改进的计算机算法的研究”。 “机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。” 一种经常引用的英文定义是：A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.

萨缪尔真是一个知行合一的家伙，1959年，萨缪尔(Samuel)写了上面提到的有关机器学习的文章，也实践设计了那个下跳棋程序。这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。

嗯，老萨就是一个真正的极客，玩了一手的黑科技，把当时的人们给镇住了！但在当今世界，这种黑科技已经被应用到各种问题的解决中了。比如，奇锅碰到的机器挑西瓜问题。实际应用中，能用到机器学习，都必须有一定量级的数据支撑，也就是需要一定的样本来学习。如垃圾邮件识别，图片内容识别，比如预测《我是歌手》节目中预测谁可能是冠军和星爷《美人鱼》票房，百度谷歌的新闻分类等……最主要的应用领域有：专家系统、认知模拟、规划和问题求解、数据挖掘、网络信息服务、图象识别、故障诊断、自然语言理解、机器人和博弈等领域。

机器学习的分类

机器学习方法  区分为以下六类：

1）经验性归纳学习 (empirical inductive learning)

2）分析学习（analytic learning）

3）类比学习

4）遗传算法（genetic algorithm）

5）联接学习

6）增强学习（reinforcement learning）

（详见  百度百科 机器学习）

点击“阅读原文”，让你看老萨（萨缪尔）的跳棋文章

    关注 奇点