第655章【神经网络深度学习】

不过方鸿是很淡定，这其实很正常，华尔街就是汇集了一群顶尖的数学家、物理学家。

此刻，陈宇转而看向会议屏幕道：“比如预测一个吃饱饭的函数，就可以描述成[吃饱=N碗饭]，这个预测计算到底准不准？一个人吃几碗饭和吃饱之间的关系有是什么？是吃一碗还是三碗才能吃的饱？”

“这就需要实际去试一下，如果预测是两碗饭吃饱，但实际要吃三碗饭才饱，其中一碗的误差就是损失，描述这个损失的函数即[3-N=1]，这就是损失函数。”

“机器学习就是通过不断尝试让这个误差达到最小的过程，寻找损失最小值的方法通常是梯度下降，一旦我们找到了最小误差，就会发现当[N=3]的时候误差最小，也就是机器学习找到了真实的规律，就成功解决问题了。”

陈宇再度看向众人道：“所以，机器学习就是在寻找数据的规律，大部分时候，它的本质就是把数据投射到坐标系里，然后用计算机通过数学方法画一条线区分或者模拟这些数据的过程。”

“不同的机器学习方法，就是在使用不同的数学模型来投射数据和画线，从上世纪到现在，不同的流派找到了不同的方法，擅长于解决不同的问题，影响比较巨大的有这么几种：线性回归和逻辑回归、K近邻、决策树、支持向量机、贝叶斯分类以及感知机等。”

方鸿坐在一边旁听默默不言，他也算是计算机科学领域的半个业内人士，更有前世记忆先知先觉的优势，此刻旁听也是毫无压力。

陈宇他们走的显然就是神经网络这个流派，不过也向前推进了一步，进入到了强化深度学习，而神经网络的前身就是感知机。

这三个名词本质上都是在玩同一个东西。