【编辑：于佳琳】

所谓科学发现的前三个范式，第一是：实验；第二是：理论；第三是：模拟；第四范式就是数据挖掘。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性（属于Association rule learning）的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

涂威威

第四范式资深机器学习架构师

AI应用背景介绍

从图灵测试说起

• 目标：判断机器是否表现出与人等价或 无法区分的智能

• 两个基本问题：

充分性：通过图灵测试就是智能？

必要性：通过图灵测试才是智能？

• 两个著名变种：

Feigenbaum test

Nicholas Negroponte Test

“人工” 智能发展历史

人工智能的发展经历了三个阶段：

机器学习的经典定义

• 利用经验改善系统性能

• 经验 数据

• 机器学习被广泛应用

• 搜索与推荐

• 生物特征识别

• 自动驾驶

• 军事决策助手（DARPA）

机器学习的成功应用和成本

除AlphaGo之外，还有大家所熟悉的广告系统，整个智能广告上线后，对收入有很大的提升，但在获得提升的同时会付出高昂的成本。

AI for everyone

效果

典型的机器学习过程

机器学习专家去定义一个问题，通过定义这个问题，从实际的应用中收集像样的数据，做一些特征工程，然后做一些模型训练，最后做模型评估。中间的过程会是反反复复的。

机器学习的效果门槛

ƒ •建模门槛 ƒ

数据门槛 ƒ

特征门槛 ƒ

算法门槛 ƒ

•模型应用门槛 ƒ

适应性门槛 ƒ

信任门槛 ƒ

数据安全和隐私门槛

建模门槛：实际应用中数据和维度的趋势

ƒ•有效数据的增长 ƒ

数据量：

Tags：

转载请标注：SEO三人行——涂威威：第四范式经验与思考分享