1.2.3 機器學習與傳統編程的比較

回顧圖1-3的傳統編程，現在讓我們更新它，給定你剛剛看到的內容，以顯示機器學習和傳統編程之間的區別。早些時候，我們將傳統編程描述如下：找出給定場景的規則，用代碼表達它們，讓代碼對數據進行操作，然后得出答案。機器學習非常相似，只是其中一些過程被顛倒了。具體情況如圖1-7所示。

圖1-7：從傳統編程到機器學習

正如你所看到的，這里的主要區別在于，使用機器學習，你不用搞清楚規則！相反，你提供答案和數據，機器會為你找出規則。在前面的例子中，我們為某些給定的x值（也就是數據）提供了正確的y值（也就是答案），然后計算機計算出使x與y相匹配的規則。我們沒有做任何幾何、斜率計算、截距或類似的事情。機器計算出x與y相匹配的模式。

這是機器學習與傳統編程之間的核心和重要區別，也是機器學習帶來的所有興奮的原因，因為它開辟了全新的應用場景。這方面的一個例子是計算機視覺——正如我們之前討論的那樣，試圖編寫規則來找出T恤和鞋子之間的區別是非常困難的。但是讓計算機計算出一個東西如何與另一個東西匹配則很有可能，從這里開始，更重要的場景——例如解釋X射線或其他醫學掃描、檢測大氣污染等——成為可能。事實上，研究表明，在許多情況下，使用這些類型的算法以及足夠的數據，可以使計算機在特定任務的完成上與人類一樣好，有時甚至比人類更好。如果想找點樂子，請查看這篇關于糖尿病視網膜病變的博客文章（https://oreil.ly/D2Ssu），其中Google的研究人員在視網膜的預診斷圖像上訓練了一個神經網絡，讓計算機找出每個診斷的決定因素。隨著時間的推移，計算機在能夠診斷不同類型的糖尿病視網膜病變方面變得頂級好了！