在机器学习领域存在不同思想的学派,主要学派包括符号学派、联结学派进化学派、贝叶斯学派、类推学派。

对于符号学派来说,所有的信息都可以简化为操作符号,就像数学家那样,为了解方程,会用其他表达式来代替本来的表达式。

对于联结学派来说,学习就是大脑所做的事情,因此我们要做的就是对大脑进行逆向演绎。大脑通过调整神经元之间连接的强度来进行学习,关键问题是找到哪些连接导致了误差,以及如何纠正这些误差。

进化学派认为,所有形式的学习都源于自然选择。如果目然选择造就我们,那么它就可以造就一切,我们要做的,就是在计算机上对它进行模仿。进化主义解决的关键间题是学习结构。

贝叶斯学派最关注的问题是不确定性。所有掌握的知识都有确定性,而且学习知识的过程也是一种不确定的推理形式。那问颙就变成,在不破坏信息的情况下,如何处理嘈杂、不完整甚至自相矛盾的信息。

对于类推学派来说,学习的关键就是要在不同场景中认识到相似性,然后由此推导出其他相似性。如果两个病人有相似的症状,那么也许他们患有相同的疾病。问题的关键是,如何判断两个事物的相似程度。

每个学派对其中心问题的解决方法都是一个辉煌、来之不易的进步,但真正的终极算法应该把5个学派的5个问题都解决,就不是只解决一个。