机器学习(ML)已经成为促进数据分析和人工智能( AI)发展的重要工具。最近深 度学习取得的成功促使机器学习上升到了一个新的高度。

机器学习算法已经应用于计算机科学、自然科学、工程学、社会科学以及其他学科的几乎所有领域,实际应用甚至更为广泛。如果没有有效的机器学习算法，许多行业不会存在，也不会得到快速发展。

目前主流的机器学习范式是在一组给定的数据集上运行机器学习算法以生成一个模型，然后将这个模型应用到真实环境的任务中，监督学习和无监督学习都是如此。我们称这种学习范式为孤立学习( isolated learning)，因为这种范式不考虑其他相关的信息和以前学过的知识。

人类从来都不会孤立地或者从零开始学习，我们始终保留过去已经学到的知识，并将其用于帮助未来的学习和解决问题。

如果不能积累和使用已学的知识，机器学习算法往往需要大量的训练样本才能进行有效的学习，这个学习环境通常是静态的和封闭的。

许多现实问题的解决，必须考虑学习是持续的。

我们以自动驾驶系统为例，初步探讨终身学习在其中的意义。

学习驾驶有两种基本方法:基于规则的方法和基于学习的方法。在基于规则的方法中,很难制定出覆盖所有路面驾驶场景的规则,基于学习的方法也存在类似的问题,因为道路环境是动态变化而且非常复杂的。

我们以感知系统为例,为了使感知系统能够检测和识别出道路上的各种事物,以便预测潜在的障碍和危险情况,仅仅使用经过标记的训练数据来训练系统是非常困 难的。

我们非常希望系统能够在驾驶期间进行持续学习,并且在该过程中识别从未见过的事物并学习识别它们,还可以通过运用过去的知识和周围环境的反馈来学习这些事物的行为以及对车辆的危险程度。

例如,当汽车在道路上发现一个前所未见的黑色斑块时,它必须首先意识到这是一个从未见过的事物,然后逐渐学习识别它,并评估它的危险系数。

如果其他汽车已经从这个黑色斑块上面开过去(环境反馈),这意味着这个黑色斑块不存在危险。

事实上,汽车可以从路上其他来往的车辆中学习到很多知识。这种学习过程是自我监督(没有外部手动标记数据)并且永远不会结束。

随着时间的推移,汽车将越来越有知识,而且越来越智能。

终身学习(Life long Learning,LL)的概念是在1995 年左右由 Thrun 和 Mit chell 提出的。从那以后，终身学习就开始向几个不同的方向发展：

1. 终身监督学习

2. 深度神经网络中的持续学习.在

3. 开放学习

4. 终身无监督学习

５. 终身半监督学习

６. 终身强化学习

今天为大家推荐一本书：《终身机器学习》

这本书介绍了高级机器学习范式——终身机器学习，这种范式通过积累过去的知识持续地学习，并将所学到的知识用于帮助未来的学习和解决问题。本书适用于对机器学习、数据挖掘、自然语言处理或模式识别感兴趣的学生、研究人员和从业人员。

书中介绍了终身学习这个重要的新兴领域。相关的论文发表在大量的会议和期刊上。终身学习( LL)，是一个以建立像人类一样学习的机器为最终目标，能够克服目前机器学习缺点的新兴和极有潜力的方向。

该书原作者陈志源（Zhiyuan Chen）现为谷歌高级工程师，之前在伊利诺伊大学芝加哥分校刘兵教授的指导下获得博士学位。他提出了几种终身机器学习算法，实现了自动从文本文档中挖掘信息，并在KDD、ICML、ACL、WWW、IJCAI和AAAI等主要会议上发表了超过15篇长篇研究论文。他还在IJCAI-2015、KDD-2016和EMNLP-2016上提供了三个关于终身机器学习的教程。于2015年获得伊利诺伊州技术基金会颁发的最有潜力50人奖，以表彰他的学术贡献。

本书刚刚出版，国内电商还未上架。大家可以通过下方扫码在鲜读购买，第一时间获得准原稿+电子书+纸质书，最重要的是还可以和作译者交流，7折包邮（定价79元）。

▼扫码购买

也欢迎大家参加我爱计算机视觉公众号的留言赠书活动。

本次赠书共8本，3本纸质书+5个华章图书的鲜读电子书名额。

活动参与方式：畅所欲言，在留言区聊聊机器学习

截止到2019年8月11日20时，点赞数最高前 3 名将赠送《终身机器学习》纸质书各一本，第4到第8名赠送华章图书的鲜读电子书名额各一个（如出现点赞个数相同的留言，以微信自然排序的前八名为准）。

中奖领取方式：2019年8月11日20时会在公众号留言区置顶获奖用户名单，请获奖用户扫码添加CV君领奖：

  #急于购书的朋友也可以点击阅读原文链接直接购买#