一、复杂系统

predicting the Unpredictable

1.Math from its birth

最早的数学来自于古埃及土地测量学，中国也出现古老的《九章算术》，逐渐发展成为了物理学、化学等学科的基础，以及我们现在的大数据都是以数学为基础，都是因为数学模型这个对现实抽象的一个工具。真正的数学模型首先起源于古希腊，用圆代替地球运行轨道，球代替地球本身等。

具有代表数学模型（物理学和天文学）：

（1）托勒玫提出的托勒玫宇宙模型系统：非常精确预测每年日历、月历，比日心说的预测都要精确。

（2）开普勒三定律：基于其老师的大量的测量数据。

（3）牛顿力学体系：牛顿三定律、万有引力定律。是推动工业革命的发动机，第一次大规模广泛运用数学模型。

（4）哈密顿分析力学：拉格朗日和哈密顿方程，推广了牛顿力学，使牛顿力学体系运用在除力学以外的其他物理学分支，例如热学、电学、光学、量子力学等。

牛顿力学给人们带来一种希望，只要有大量数据，就可以通过牛顿力学来预测一切事物的变化与发展，例如股市、自然灾害甚至于人类本身的思维等，但是牛顿力学在这些领域被证明是失败的。

2.Compleity ruins predictation

（1）Randomness 随机性：无处不在的随机性使得确定的预测成为一种不可能，对每个事物的影响的因素会有很多，导致事物的不确定性很大。

（2）Chaos 混沌：初始条件的细微改变，使得结果的影响很大。例如：“三体问题”。

（3）Reflectivity 反身性：观察者的观察对象的纠缠，导致观察者会影响测量物体。

（4）Nework Effect 网络效应：大量简单的个体行为对整体对系统都会有或多或少的影响。

（5）History Dependency 历史依赖性：此刻的状态取决于之前的状态的集合，预测需要包含无数过去信息。

简单个体的相互作用可以产生复杂的宏观现象，例如：磁性

复杂系统：是一种模块化的系统，普通节点一般只和相连的Hub（中心节点）节点相连接，例如：股票，社交等等

感受：听着网络效应、不确定性、混沌，一个细节的简单改变就会带来结果上很大的改变，就不由自主的想起了小学看过的一个马掌钉的故事

少了一个铁钉,丢了一个马掌,

少了一个马掌,丢了一匹战马,

丢了一匹战马,败了一场战役,

败了一场战役,失了一个国家。

二.大数据与机器学习

1.人们经常认为只要数据足够多，可以预测一切，但是显然并不是那么简单。

一直增加信息收集，却无法通过越来越多的信息，下定结论。
谷歌流感计划：通过人们在谷歌的大量点击搜索流感的特征的查询，可以预测流感的爆发，然而通过数据显示，显然这个计划并没有他们想象中那么靠谱，信息的天然复杂性和数据噪声的影响中，想要通过数据来预测并不是那么简单。
Trump的选举成功：之前的无数次民意调查中很显然，与大众支持率持续很高的希拉里相比，他的选举貌似从开始就是希望不大，但是结果出来的那一天，就突然发生了极大的反转。人们又一次对大数据产生了怀疑，它是否真的有用。
大数据在复杂性面前成为了小数据，多维度的复杂系统下，大数据也不再那么可以继续发挥它应有的作用。
复杂性面前没有大数据。

2.拯救大数据

算法是拯救这一切的一个重要的、非常有效的办法，可以提炼更加有效的信息

效果：剔除噪声，“萃取”有效信息，变化成行动的action，得到反馈，然后改进算法。

三.人工智能的三个阶段

1.符号时代：

可编程：

编为0.1，程序让计算机执行。
但是因为复杂性，新请情况无限，符号无法适用。

2.控制时代:

算法：

出现很多统计模型，自己适应调整：

PCA、Logistic vegrssion、决策树、贝叶斯网络

使用数据改变自身结构，通过实际数据自己学习
模拟人的思维

3.连接时代:

深度学习：深度卷积网，GPU的运算可以更好的训练神经网络。

特征学习、特征工程，因为电脑很长一段时间只能完成线性的“一刀切”的分类，所以就需要寻找新特征。

4.人工智能的应用：

document classification 文本分类
entertainment 娱乐例如：Netflix
vision 视觉
speech recognition 听觉
machine translation 翻译 RNN
AI designer 设计师，换装展示效果
AI business detection 商业
financial AI report 金融
Agriculture 农业例如：拖拉机（blue river公司）、卫星（佳格天地）是很有潜力的领域
medicine 医疗核心领域
detecting Earthquake 网络协同，同一地区，很多设备同时检测到震感
AlphaGo
无人驾驶各个公司多重布局，革命性领域

感受：人工智能的学习不是简单的从无到有，而是系统的自我改进，重在通过数据学习进行反馈。

人工智能的运用是在需要个性化比较强，注重个体差别的、或是需要大量数据经验来判断特征的领域

复杂性下，大数据既然不够用，就用复杂的神经网络，复杂对抗复杂。

转载于:https://www.cnblogs.com/maccus/p/9328358.html

2018/7/16 初学者相关推荐

暑期训练日志----2018.8.16
训练第18天. 过得真快,还有一个多星期暑假就完了,感觉学了不少东西上午看了看 DP 的资料,下午把之前欠的洛谷的题写了写,明天开始正式搞 DP 了,也不知道假期结束前能不能弄完这两天有些懈怠了, ...
香港中文大学深圳（CUHKSZ）数据科学硕士（MSc in Data Science）笔试面试经验（2018/9/16）
香港中文大学深圳(CUHKSZ)数据科学硕士(MSc in Data Science)笔试面试经验(2018/9/16) 写在前面的前面(2020.5.3) 写在前面(2019.2.19) 关于申请 ...
机器学习入门的百科全书-2018年“机器学习初学者”公众号文章汇总
"机器学习初学者"公众号于2018年9月由黄海广博士开设,自开通以来,受到广大机器学习爱好者广泛好评.在2019年的第一个工作日,将2018年发布的所有文章进行归类汇总. 机器学习 ...
苏嵌//张朋//2018.07.16
苏嵌 ...
训练日志 2018.12.16
前几天准备 4 级一直没怎么看,考完了又去新生赛帮忙,2-SAT 基本弄完了,但跟二分结合的题还没刷,周三前刷出来. 2018.12.9
【一周头条盘点】中国软件网（2018.11.12~2018.11.16）
每一个企业级应用的人都置顶了中国软件网中国软件网为你带来最新鲜的行业干货一周热点华为获得全球首个微模块产品PUE测试证书近日,第四届数据中心基础设施峰会在西安成功召开,会上,TGG(中国)副主 ...
2018.9.16考试总结
今天的题是真的沙雕第一题 [题目描述] Yashem66学长有严重的强迫症!他完全无法忍受那些令他抓狂的东西,比如文具袋里的直尺,比如画得不规范的立方体.他总是自言自语:强人♂所难. 请写出一个程序 ...
2018.8.16提高B组模拟考试
永远不要把时间交给一道打表题. T1 题意简述:jzoj4674 Description 科学家温斯顿定义了一个无限重复的数列:1234321234321234321--,并将其称为时钟序列. 他发现 ...
JZOJ 5820. 【NOIP提高A组模拟2018.8.16】非法输入
Description 在算法竞赛中,题目一般保证了输入数据的合法性.然而在工程开发中,我们往往不期望程序得到的输入都是合法的. D 君正忙着向校内 OJ 添加题目,在写了第 233 个 val.c ...

2018/7/16 初学者