机器之心编辑
编辑：赵云峰
@王威廉微博：华盛顿大学教授Pedro Domingos在本周结束的ACM Webminar上介绍了他认为的机器学习五大流派。他认为，机器学习中符号主义者的代表人物是Mitchell、 Muggleton、Quilan，联结主义者代表是LeCun、Hinton和Bengio，进化主义代表是Koda、Holland以及Lipson，贝叶斯派代表人物是Heckerman，Pearl和Jordan，Analogizer代表人物是Vapnik等。
机器之心对Pedro Domingos的演讲幻灯片进行了编译和总结：
1知识从何而来
Pedro Domingos认为，知识来源于进化、经验、文化和计算机。对于知识和计算机的关系，他引用了Facebook人工智能实验室负责人Yann LeCun的一段话：将来，世界上的大部分知识将由机器提取出来，并且将长驻与机器中。
2计算机如何发现新知识
Pedro Domingos帮助计算机获取新知识，可以通过以下五种方法来实现
填充现存知识的空白
对大脑进行仿真
对进化进行模拟
系统性的减少不确定性
注意新旧知识之间的相似点
3机器学习的五大流派
派别 | 起源 | 擅长算法 |
符号主义 （Symbolists） | 逻辑学、哲学 | 逆演绎算法（Inverse deduction） |
联结主义 （Connectionists） | 神经科学 | 反向传播算法 （Backpropagation） |
进化主义 （Evolutionaries） | 进化生物学 | 基因编程（Genetic programming） |
贝叶斯派 （Bayesians） | 统计学 | 概率推理（Probabilistic inference） |
Analogizer | 心理学 | 核机器（Kernel machines） |
1）符号主义
符号主义代表人物
符号主义算法
2）联结主义
联结主义代表人物
神经元和人造神经元
反向传播算法图示
谷歌自主识别出猫的神经网络
3）进化主义
进化主义代表人物
遗传算法
遗传编程
进化机器人
Pedro Domingos在这里提到了基于生物进化理论的「海星机器人」，该机器人由佛蒙特大学的Josh Bongard研发，能够通过内部模拟来「感知」自己身体各部件的状况，并进行连续建模，从而在不需要外部编程的情况下自己学会走路，当机器人外部受到破坏，比如说失去了一条腿，它可以重新建模并学习到一种新的行走方式。Josh Bongard在论文《Evolved Machines Shed Light on Robustness and Resilience》中对此进行了详细介绍。
4）贝叶斯派
贝叶斯派代表人物
概率推理
基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能，贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连，然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。
5）Analogizer
Analogizer代表人物
近邻算法nearest neighbor
内核机
基于该理论的Netflix推荐系统
4展望
Pedro Domingos总结了五大流派目前存在的问题和解决方案，但他也重点强调，我们真正需要的是可以一次性解决这些所有问题的统一算法。
5各学派的综合
表示
概率逻辑（例如马尔可夫逻辑模型）
带权公式，状态分布
评估
最优化
6通用学习者
Pedro Domingos认为，要研究一个解决所有问题的通用算法，创造一个「通用学习者」，还需要很多工作去做。而通用学习者的出现将在以下四方面发挥巨大价值：
家用机器人
全球范围的智力互联网
癌症治疗解决方案
全方位的推荐系统
点击阅读原文，从网页中可查看Pedro Domingos演讲全文PPT。
©本文由机器之心原创编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：hr@almosthuman.cn
投稿或寻求报道：editor@almosthuman.cn
广告&商务合作：bd@almosthuman.cn
发表于 2015-12-6 14:52:25