16625份AI论文透露：26年来人工智能并没有出现新技术( 五 )_见闻VIP

有监督的学习最适用于解决有参照背景的问题。例如物品分类，或是基于面积、位置和公交便利程度判断住宅价格。所以，它是是最常用的也是最实用的机器学习算法。

标记数据集并不容易，所以也有无监督的学习。提供给无监督学习的数据集没有特定的期望结果，或是正确答案。机器需要自己提取特征和规律，来理解数据。

无监督学习的应用场景，包括银行通过账户异常行为判断虚假交易，电商通过已经加入到购物车的产品，推荐相关的其他产品等。

过去几年里，强化学习在研究领域的出现频率迅速提高。强化学习同样也采用未经标记的数据，但与无监督学习不同地是，强化学习还模拟了训练动物地过程，对进行学习的机器提供“奖惩机制”，在执行最优解时提供反馈。

图6/6

和深度学习一样地，强化学习也是通过里程碑式的突破，才引起了研究者的注意。2015年，DeepMind的AlphaGo在强化学习训练下，成长为可以击败代表人类最高水平的围棋棋手，让埋没数十年地强化学习再次走到大众视线中。

16625份AI论文透露：26年来人工智能并没有出现新技术( 五 )