什么是终极算法？算法已在多大程度上影响我们的生活？著名算法专家、机器学习领域的先驱人物 Pedro Domingos 的新书《终极算法》，详解了机器学习的五大学派。作者提出，每个学派都有自己的主算法，能帮助人们解决特定的问题。而如果整合所有这些算法的优点，就有可能找到一种“终极算法”，该算法可以获得过去、现在和未来的所有知识，这也必将创造新的人类文明。

　　机器学习并不新颖。Google 会知道我们正在搜索什么，亚马逊会知道我们想买什么，苹果知道我们喜欢听什么音乐，Facebook 知道我们的社交行为偏好。但这些网站没有一个知道我们在一天里所有的喜好和选择。它们只能通过我们先前的点击，而非通过了解我们整个人进行预测。

　　但是，假设有一个算法能同时知道我们在 Google 上搜索什么，我们在亚马逊上购买什么，以及我们正在 Apple Music 上听的音乐，或在 Netflix 上观看的视频，它也知道我们最近的状态和我们在 Facebook 上的分享。

　　关于我们的事，这个算法知道得很多，并且对我们形成了一个更准确、更全面的了解。

　　这种强大的“终极算法”是 Pedro Domingos 提出的假设的核心，他是《终极算法：机器学习和人工智能如何重塑世界》的作者。

　　机器学习有不同的学派，每个学派从不同的角度看问题。符号学派（symbolists）更多关注哲学、逻辑学和心理学，并将学习视为逆向演绎（inverse of deduction）。联结学派（connectionists）专注物理学和神经科学，并相信大脑的逆向工程。进化学派，正如其名称所示，在遗传学和进化生物学的基础上得出结论。贝叶斯学派（Bayesians）注重统计学和概率推理。而类推学派（analogizers）更多是关注心理学和数学优化来推断相似性判断。

　　所有上述学派解决不同的问题，提出了不同的解决方案。而真正的挑战是设计一个算法，解决这些方法尝试要解决的所有不同的问题——单一的一个“终极算法”。

　　我们仍然处在机器学习和AI的早期，还有很多事情要做。我们不知道什么时候，哪里会出现问题，而这将会减缓整个发展进程，带来下一个“AI冬天”。又或者，将来会出现一个新的突破，彻底改变目前的情况。

　　机器学习的进步更像是一场演化。正如微生物的发展速度远比人类更快，机器学习的发展也比人类快，但会到达一个阶段，在这个阶段上这些学习算法会变得太过复杂而不能快速演化。

　　也存在其他的危机。一个“理想的”终极算法将了解有关我们的一切。虽然机器学习需要人类的输入作为启动，但它最终会达到一个点，它会超越人类。那么接下来会发生什么呢？只要它们的目标和我们的目标稍有分歧，可能就足以消灭人类。

　　这只是一种情况。假设我们成功建立了一个能够控制这些超级智能的机制，就类似于蚂蚁创造了一个能够控制我们人类的机制。但是，国家、人们和团体之间存在的利益冲突，可能会引发类似“天网”（终结者）的战争。

　　机器学习如何改变世界？

　　有许多初创公司专注于机器学习及其为生活中的不同问题带来的解决方案；而且，更重要的是，有大型科技公司支持他们。例如，谷歌收购的 DeepMind 专注于医疗保健，利用机器学习研究癌症的治疗；Facebook 的 Chan Zuckerberg Initiative 宣布计划在未来十年投资30亿美元，以帮助治疗、预防和管控疾病。

　　另外，世界上最大的一些科技公司，包括亚马逊、Facebook、谷歌、微软等形成了联盟“Partnership on AI”，以共享他们的大型数据库进行研究，推广好的实践。

　　AI是否将技术的发展引向了一条危险的路径？我们将要成为机器的奴隶，又或AI是将人类引向终极的进步的入口？任何希望了解AI和机器学习的人士都应该阅读一下《终极算法》这本书。最后，让我们借用此书序言里的一句话作为本文的结语：围绕大数据以及机器学习的讨论充满争议，如果你对此感到好奇，且怀疑有比论文上看到的更为深层次的东西，那么这本书就是你进行革命的指南。 新智元 编译