1.3　機器學習：從忘卻開始

廣大初學者面對人工智能、機器學習這些“高大上”的概念，一方面迫切希望能夠掌握相關的知識，另外一方面，面對各種層出不窮的概念，往往會眼花繚亂，無所適從。

目前Python已經是人工智能、機器學習的行業標準語言，TensorFlow、Torch在2015年、2016年先后開放了Python語言接口。

scikit-learn是Python語言最重要的人工智能模塊庫，目前已經收入scikit套件，通常簡稱為sklearn。

還記得本書開頭的那張scikit-learn算法模塊圖嗎？不知道大家的第一感覺是什么，反正筆者看到此圖的第一反應是嚇呆了，也明白為什么這么多初學者對于人工智能望而生畏了。

筆者始終認為自己是一名軟件工程師，或者叫作程序員，也就是網絡上常說的“碼農”。

對于程序員而言：Talk is cheap,show me the code！

再多的理論，也比不上幾件成功的軟件作品，筆者雖然談不上有很多成功的軟件作品，但也寫過不少專業的程序，例如原生的OCR識別程序和英漢翻譯程序。

特別是英語翻譯軟件，筆者當時（1997年）的語料庫直接使用的是美劇字幕，幾千萬條的語料庫，多種語言素材，全部都有時間戳同步，基本無須任何成本，翻譯效果也還不錯。而當時同期國家項目組的語料庫，耗資巨大，也不過幾十萬條的數據量。

所謂原生程序，就是直接采用C語言、Delphi語言的標準函數庫，沒有任何第三方AI架構庫（如sklearn、TensorFlow等AI模塊庫）直接編程的程序。其間的難度，做過系統的程序員，或者閱讀過Linux、安卓系統、TensorFlow系統源碼的程序員就會明白。

這種基于原生的開發，最大的好處就是無論采用何種編程語言，何種理論算法，最終的底層代碼結構都是差不多的，就像電腦里面的CPU，算得再快，也不過是個加法器。

明白了這一點，再看sklearn的知識圖譜，雖然表面看起來非常煩瑣，但仔細梳理，核心還是只有一個：分類。

分好了類，其他的匹配、識別都是簡單的問題，只是貼上標簽，加上備注而已。

問題最終又回歸“一生二、二生三”當中。

國外也有專家認為，所有的人工智能、機器學習，本質上都是二元一次方程的尋優算法。

筆者在博客當中曾經也說過：

簡單來說，可以把人工智能、機器學習看成一個巨大的字符串查找算法，只不過這個算法當中的關鍵詞與被查找的字符串的大小非常龐大，趨于無限。

很多初學者面對人工智能、機器學習，往往連系統配置都玩不轉，最基本的“Hello程序”都無法運行。

在zwPython用戶手冊里面，筆者曾經說過，雖然很多人認為Python是面向對象的語言，但實踐表明，忘記OOP對象編程的概念，采用傳統的BASIC語言（面向過程）模式，學習效率可以提高10倍以上。

所以，學習人工智能，筆者的建議就是從忘卻開始，忘卻各種亂七八糟的概念。

忘記這些概念之后，大家會發現所謂的人工智能，不過是傳統的Python函數調用，而且只有為數不多的幾個函數，最簡單的案例當中，只需要2～3個函數。

需要說明的是，對于初學者而言，不要左顧右盼，MATLAB、R語言、Torch、TensorFlow、NLTK都想學習，反而什么都學不好。

對于初學者而言，不妨在入門階段就學sklearn。

sklearn模塊庫本身就是人工智能、機器學習的行業標準，該有的人工智能、機器學習經典算法全部都有，其他的模塊庫無非是在局部進行了某些優化。

至于人工智能的進階課程，大家不要急，在完成sklearn的機器學習課程后，再看TensorFlow、Torch、MXNet就不會有看天書的感覺了。

黑箱大法

在機器學習領域許多概念非常抽象拗口，如果大家無法理解，也屬于正常情況。

大部分初學者，即使克服種種困難，獨自完成了人工智能、機器學習開發平臺的配置，面對這些拗口的算法名稱，也會有崩潰的感覺。

這很正常，因為這些算法、名稱的背后都有非常專業的理論和模型，其學術價值和專業難度都很高。

不過，正如筆者前面所說，初學者對于人工智能、機器學習，最好從忘卻開始。

同樣，面對這些眼花繚亂的專業名稱術語，我們還是采用忘卻的模式，采用黑箱大法，大家無須糾結各種算法背后的理論，只將其看作一個個黑箱函數即可。

函數調用是Python語言的基本功能，能夠看到這里的讀者，想必對函數的調用、編程都非常熟了。

市場經濟，講究的是結果導向，對于大部分學習者而言，需要的也只是最終的結果數據。

采用這種黑箱模式，有了結果數據，再學習理論和算法，就有了具體的數據支持和更多的感性認識，學習過程也會事半功倍。