读懂诺贝尔奖（一） | 聊聊机器学习那些事

主要观点总结

文章介绍了两位诺贝尔奖得主约翰·J·霍普菲尔德和杰弗里·E·辛顿，以及机器学习的三种基本方法：监督学习、无监督学习和强化学习。文章详细回顾了深度学习的发展历程，包括感知器、神经网络和深度学习的三个阶段，并强调了辛顿在深度学习发展中的重要贡献。

关键观点总结

关键观点1: 两位诺贝尔奖得主约翰·J·霍普菲尔德和杰弗里·E·辛顿的简介

霍普菲尔德基于统计物理提出了霍普菲尔德神经网络模型，开创了神经网络研究的新方向；辛顿则与合作者提出反向传播算法（BP算法），并在深度学习领域做出了重要贡献。

关键观点2: 机器学习的三种基本方法

监督学习使用人工标记的训练样本预测未来事件；无监督学习基于统计学习方法发现数据隐藏特征；强化学习强调智能体在奖励或惩罚的环境刺激下如何做出能取得最大化预期利益的行动。

关键观点3: 深度学习的历史发展

深度学习源于对人脑工作机制的研究，经历了感知器、神经网络和深度学习等阶段。辛顿提出的深度学习算法解决了BP神经网络难以达到全局最优的问题，引发了深度学习的热潮。

文章预览

0 1 两位诺贝尔奖得主 约翰·J·霍普菲尔德（左），1933年出生于美国伊利诺伊州芝加哥市，1958年获得美国康奈尔大学博士学位，现任美国普林斯顿大学教授。 杰弗里·E·辛顿（右），1947年出生于英国伦敦，1978年获得英国爱丁堡大学博士学位，现任加拿大多伦多大学教授。 0 2 机器学习的3种基本方法 机器学习是人工智能和计算机科学的重要分支，是基于样本数据构建模型并利用模型在没有明确编程的情况下做出预测或决策的一类算法。监督学习、无监督和强化学习是机器学习的基本方法。 0 1 监督学习 监督学习使用人工标记的训练样本将已有知识应用于新数据，以预测未来事件。1936年，英国数学家费希尔（Ronald Fisher）提出的线性判别分析是最早的监督学习算法。20世纪50年代，基于贝叶斯决策理论的贝叶斯分类器开始被用于分类问题。1958年，美国 ………………………………