学习机器人避免的参数问题——发那科机器人

机器学习的一个特点是概率论，线性代数，数值计算，信息理论，优化理论和计算机科学的跨学科领域。机器学习是人工智能的科学，人工智能是研究的主要对象，尤其是如何提高在学习经验的具体算法的性能。

机器学习的阶段是理论研究，也就是算法的建立。 第二个过程是实验，是从理论到实际应用的关键步骤。 只有通过尝试和错误，我们才能为模型的特定使用场景获得佳性能。 今天大多数机器学习的研究人员，实际上是在这个过程的中间。 第三个过程是真正的工程实践。 这是行应用。

现有机器如何学习？？现在的机器学习的例子应该是阿尔法去。算法工程师通过学习，阿尔法围棋，国际象棋进入实施机。中心思想是构建人类思维的逻辑。所以大部分的机器学习都处于这个阶段..人类的工程师“调整参数”是该系统的建立知识和方法的人的头脑中的人工智能机器。真正的机器学习是机器根据自己的逻辑逐步创造出来的。阿尔法zero的涌现、以及facebook两个野生机器人本人对话的征象，证明了在某些畛域锻炼AI AGENT的过程当中，模型的价值超过了训练数据（先验知识）。如果这种模式能够应用到其他领域，可以预期AI AGENT将产生新的创造性知识，超过现有人类知识的积累。

阿尔法零学习的人工智能机器人，可以说，不再需要通过机器，通过神经网络的输入大量的国际象棋或手动定义的策略，完全从头开始只根据学校教育的规则成为大师。机器学习算法工程师的这个阶段不需要输入参数和数据模型，完全依靠自身的机械制造“的价值观。”因此，这种机器学习只能在特定的范围内应用，人类必须保证其可控性。