導(dǎo)語 戰(zhàn)勝柯潔后，Google AlphaGo再次成為熱門話題，網(wǎng)絡(luò)上宣揚人工智能將奪去人類工作的文章比比皆是。與其擔心將來失去工作，或者我們可以更進取一點，了解“機器學習”這個熱門的概念，畢竟既然要面對將來跟你搶飯碗的家伙，知己知彼更能出奇制勝。
在網(wǎng)上查找了一些資料，還專門找來吳軍博士等技術(shù)大牛的文章和書研讀一番，驚訝的發(fā)現(xiàn)這個讓機器更智能的“強化學習”，竟對獵頭公司如何培養(yǎng)高產(chǎn)值顧問有著深刻的啟發(fā)意義。你可能會說：不能吧，人腦和電腦是一回事嗎？好吧，不管怎么說，我先試著分析給你看，相信伶俐如你，很快能判斷是不是這么一回事。 為了更好的說明我的想法，首先從機器是如何學習開始說。這里關(guān)于機器學習的觀點來自吳軍博士，如果想宏觀地深入了解，建議去看看他寫的《智能時代》。 “機器學習根據(jù)數(shù)據(jù)使用的不同分兩種方法，一種是提供一堆數(shù)據(jù)給它，計算機從這些雜亂無章的數(shù)據(jù)中學習并且得到規(guī)律，這叫無監(jiān)督學習；另外一種是由人來標識出具體的方向和重點，計算機憑其強大的運算能力據(jù)此得出規(guī)律，這叫有監(jiān)督學習。 例如
舉個例子，從一堆資料中找出合適的人才，無監(jiān)督的學習就是事先不向你講清楚這個職位搜尋的重點是什么，可能會在那些地方找到合適的人，讓你自己去摸索，找的合適的就會被通知面試，不合適的就石沉大海。你從無數(shù)次的嘗試中自己得出規(guī)律，那些職位用什么方法，通過那個渠道找能更快更準。 反過來，當你接職位的時候，你的導(dǎo)師已經(jīng)告訴你這個職位的重點在那里，符合那些條件的人是合適的，會在那些渠道能找到這些人，這就是有監(jiān)督的學習。
這兩種學習的方式各有千秋，無監(jiān)督的學習需要獲得大量試錯機會，而市場上那些極低收費的合作，為此提供不少的契機。這對于客戶和公司來講，是商業(yè)上的選擇，但有一個很大的副作用，就是培訓出來的新人，能成才的只是小概率事件，大部份處于簡歷搬運工的水平，可以預(yù)見將來會被智能機器取代。 有監(jiān)督的學習則相反，為了讓新人在實踐中確保輸出服務(wù)質(zhì)素的穩(wěn)定，相當于是利用了資深顧問的智力。但是因為顧問全程指導(dǎo)不僅成本高，而且新人也比較難短時間內(nèi)得到大量的試錯機會，必須用時間長度來彌補試錯強度。最要命的是因為實踐過程中是沿著導(dǎo)師的思路來執(zhí)行，新人雖然上手速度快，但也束縛了其創(chuàng)新性。 總的來講，有監(jiān)督的學習，方向明確，效率更高，但提升高度有限；無監(jiān)督的學習方向不明，試錯成本高，但因為不受指導(dǎo)者的思維限制，所以提升高度不可估量。 
那么，有沒有一種學習方法，能兼得兩種學習方法的優(yōu)勢？答案是肯定的，這就是機器學習進階版本的“強化學習”（Reinforcement Leaning）。 因為篇幅有限，我下一節(jié)再和你聊聊這個話題。 作者：Susan——Talentview創(chuàng)始合伙人 泰能獵頭，始于1998年，重生于非典后，闖過2008年的金融危機，始終用自己專業(yè)的態(tài)度為企業(yè)和人才提供穩(wěn)定優(yōu)質(zhì)的服務(wù)。愿我們的低調(diào)穩(wěn)重，為你開創(chuàng)一條金光大道。
原創(chuàng)文章，轉(zhuǎn)載請注明出處！ |
