1.3　机器学习：从忘却开始

广大初学者面对人工智能、机器学习这些“高大上”的概念，一方面迫切希望能够掌握相关的知识，另外一方面，面对各种层出不穷的概念，往往会眼花缭乱，无所适从。

目前Python已经是人工智能、机器学习的行业标准语言，TensorFlow、Torch在2015年、2016年先后开放了Python语言接口。

scikit-learn是Python语言最重要的人工智能模块库，目前已经收入scikit套件，通常简称为sklearn。

还记得本书开头的那张scikit-learn算法模块图吗？不知道大家的第一感觉是什么，反正笔者看到此图的第一反应是吓呆了，也明白为什么这么多初学者对于人工智能望而生畏了。

笔者始终认为自己是一名软件工程师，或者叫作程序员，也就是网络上常说的“码农”。

对于程序员而言：Talk is cheap,show me the code！

再多的理论，也比不上几件成功的软件作品，笔者虽然谈不上有很多成功的软件作品，但也写过不少专业的程序，例如原生的OCR识别程序和英汉翻译程序。

特别是英语翻译软件，笔者当时（1997年）的语料库直接使用的是美剧字幕，几千万条的语料库，多种语言素材，全部都有时间戳同步，基本无须任何成本，翻译效果也还不错。而当时同期国家项目组的语料库，耗资巨大，也不过几十万条的数据量。

所谓原生程序，就是直接采用C语言、Delphi语言的标准函数库，没有任何第三方AI架构库（如sklearn、TensorFlow等AI模块库）直接编程的程序。其间的难度，做过系统的程序员，或者阅读过Linux、安卓系统、TensorFlow系统源码的程序员就会明白。

这种基于原生的开发，最大的好处就是无论采用何种编程语言，何种理论算法，最终的底层代码结构都是差不多的，就像电脑里面的CPU，算得再快，也不过是个加法器。

明白了这一点，再看sklearn的知识图谱，虽然表面看起来非常烦琐，但仔细梳理，核心还是只有一个：分类。

分好了类，其他的匹配、识别都是简单的问题，只是贴上标签，加上备注而已。

问题最终又回归“一生二、二生三”当中。

国外也有专家认为，所有的人工智能、机器学习，本质上都是二元一次方程的寻优算法。

笔者在博客当中曾经也说过：

简单来说，可以把人工智能、机器学习看成一个巨大的字符串查找算法，只不过这个算法当中的关键词与被查找的字符串的大小非常庞大，趋于无限。

很多初学者面对人工智能、机器学习，往往连系统配置都玩不转，最基本的“Hello程序”都无法运行。

在zwPython用户手册里面，笔者曾经说过，虽然很多人认为Python是面向对象的语言，但实践表明，忘记OOP对象编程的概念，采用传统的BASIC语言（面向过程）模式，学习效率可以提高10倍以上。

所以，学习人工智能，笔者的建议就是从忘却开始，忘却各种乱七八糟的概念。

忘记这些概念之后，大家会发现所谓的人工智能，不过是传统的Python函数调用，而且只有为数不多的几个函数，最简单的案例当中，只需要2～3个函数。

需要说明的是，对于初学者而言，不要左顾右盼，MATLAB、R语言、Torch、TensorFlow、NLTK都想学习，反而什么都学不好。

对于初学者而言，不妨在入门阶段就学sklearn。

sklearn模块库本身就是人工智能、机器学习的行业标准，该有的人工智能、机器学习经典算法全部都有，其他的模块库无非是在局部进行了某些优化。

至于人工智能的进阶课程，大家不要急，在完成sklearn的机器学习课程后，再看TensorFlow、Torch、MXNet就不会有看天书的感觉了。

黑箱大法

在机器学习领域许多概念非常抽象拗口，如果大家无法理解，也属于正常情况。

大部分初学者，即使克服种种困难，独自完成了人工智能、机器学习开发平台的配置，面对这些拗口的算法名称，也会有崩溃的感觉。

这很正常，因为这些算法、名称的背后都有非常专业的理论和模型，其学术价值和专业难度都很高。

不过，正如笔者前面所说，初学者对于人工智能、机器学习，最好从忘却开始。

同样，面对这些眼花缭乱的专业名称术语，我们还是采用忘却的模式，采用黑箱大法，大家无须纠结各种算法背后的理论，只将其看作一个个黑箱函数即可。

函数调用是Python语言的基本功能，能够看到这里的读者，想必对函数的调用、编程都非常熟了。

市场经济，讲究的是结果导向，对于大部分学习者而言，需要的也只是最终的结果数据。

采用这种黑箱模式，有了结果数据，再学习理论和算法，就有了具体的数据支持和更多的感性认识，学习过程也会事半功倍。