1.2.1 從傳統編程轉向機器學習

為了詳細了解機器學習編碼與傳統編碼之間的核心區別，讓我們來看一個例子。

考慮描述一條線的函數：

y=Wx+B

這描述了對于一條線，線上的每個點y都可以通過將x乘以值W（用于權重）并添加值B（用于偏置）來導出。

（注意：AI文獻往往是非常重視數學的。如果你剛剛開始，那么這是不必要的。這是我在本書中使用的極少數數學示例之一?。?/p>

現在，假設這條線上有兩個點，并且它們位于x=2，y=3處和x=3，y=5處。我們如何編寫計算W和B值的代碼來描述連接這兩個點的線？

讓我們從W開始，其中W稱為權重，但在幾何學中，它也被稱為斜率（或梯度）。具體情況如圖1-2所示。

計算很簡單：

W=(y2-y1)/(x2-x1)

代入數字，便可得出斜率：

W=(5-3)/(3-2)=(2)/(1)=2

或者，在代碼中，在這種情況下使用Python：

這個函數能工作。它很簡單，因為當兩個x值相同時，它會忽略除以零，但現在讓我們繼續吧。

我們現在已經計算出W值。為了得到直線的函數，我們還需要算出B?；氐礁咧袔缀?，我們可以用一個點作為例子。

所以，假設我們有：

y=Wx+B

我們也可以說：

B=y-Wx

我們知道當x=2、y=3且W=2時，我們可以回填這個函數：

B=3-(2*2)

這導致我們推導出B是-1。同樣，在代碼中，我們會這樣寫：

所以，現在，要確定線上的任何點，給定一個x，我們可以很容易地說：

或者，對于完整代碼：

從中可以看出，當x為10時，y為19。

你剛剛完成了一項典型的編程任務。你有一個問題要解決，可以通過搞清楚規則然后用代碼表達來解決問題。當給定兩個點時，有一個要計算W的規則，你創建了該代碼。然后，一旦你計算出W，就可以在使用W和單個點計算B時推導出另一個規則。接著，一旦你有了W和B，就可以編寫另一個規則來根據W、B和給定的x來計算y。

那是傳統的編程，現在通常稱為基于規則的編程。我喜歡用如圖1-3所示的圖表來總結這一點。

在最高層次上，傳統編程涉及創建作用于數據并為我們提供答案的規則。在前面的場景中，我們擁有數據——一條線上的兩個點。然后我們找出了作用于這些數據的規則，以計算出這條線的方程。接著，根據這些規則，我們可以獲得新數據的答案，例如，我們可以繪制該線條。

這種場景下程序員的核心工作就是搞清楚規則。這就是你為任何問題帶來的價值——將它分解成規則，然后使用計算機可以理解的編碼語言來表達這些規則。

但是你可能并不總是能夠輕松表達這些規則?？紤]之前我們想要區分T恤和鞋子的場景。人們無法總是通過找出規則來確定它們之間的關系，然后在代碼中表達這些規則。這就是機器學習的用武之地，但在針對這樣的計算機視覺任務進行研究之前，先考慮一下如何使用機器學習來得出我們之前計算出的直線方程。