规则与数据

写规则的路走不通

写程序通常是这样一个方向:人把规则想好,交给程序,程序处理数据给出答案。

判断一封邮件是不是垃圾邮件,你写:

if "中奖" in text or "免费领取" in text: return "垃圾邮件"

跑起来没问题。但对方把"中奖"改成"中 奖"、"中*奖"、"恭喜中奖",你就得再加三条规则。再往后是几百条、几千条。规则永远补不完,因为对手在变,而你的规则是死的。

有些事根本写不出规则

还有一类任务,规则连写都写不出来。下面是几件计算机每天都在做的事:

任务

你怎么用 if 写规则?

判断一张照片里是不是猫

"有两只耳朵"?折耳猫呢?背影呢?夜里拍的糊的呢?

把一段语音变成文字

同一个人说同一句话,每次波形都不一样

把中文翻成英文

语序、语气、成语,没有固定模板

认出信封上的手写邮编

每个人写的 3 都不一样

这些任务的共同点:人能给出答案,但说不出规则。你一眼就知道那是只猫,但你无法把这个判断过程写成 if。

换一个方向

机器学习换了个方向:

你给机器十万封已经标注好的邮件——这封是垃圾、这封不是——它自己找出一套判断规则。你不告诉它规则,你只给它例子。

这件事说起来只有一句:从数据里找出一个函数。

它叫什么名字不重要,重要的是它是个函数——给输入,出输出。

下一课

下一课先把这些词统一:样本、特征、标签、模型、参数。后面每一章都要用到它们。