“一個不起眼的小角色卻承載著一顆星球的希望 ”

01—開普勒452b上的故事

天鵝座，開普勒452b，一顆距離地球1400光年的類地行星，在這顆酷似地球的星球上，同樣存在著生命，同樣存在著文明：一個延續了距現在2000多年的文明… …他們彷彿是另一個“我們”！

不幸的是，這顆星球即將迎來坍縮，它的骨架元素——鉻，即將被其恆星的熊熊烈焰熔盡… …

但開普勒星流傳著一個傳說：在仙女座主星系M31星系4000億顆恆星中的最亮的，也就是最邊緣的γ75_3恆星核內，存在著宇宙中所有鉻元素的起源，鎖定到這顆恆星，開普勒452b將獲得拯救！開普勒星（以下簡稱K星）人也十分清楚：這是一個無從考證的傳說，而整個星球似乎也沒有足夠的資源支撐飛行器探索這顆恆星... ... 但這是唯一的方法！

在開普勒星球上有一座神廟，裡面有一座石碑已矗立千年有餘，碑文記載了先賢們的多次嘗試：去達M31星系要繞過無數顆脾氣暴躁的紅巨星和超巨星，還有稍不留神就被其吞入腹中的黑洞，暴力穿越意味著同樣的結局！唯一的途徑就是通過星際高速公路——一個充斥著各種奇怪星體，隨時可能將飛船撞毀、融化甚至吸入黑洞的神奇引力走廊（通過星系之間的某種神奇作用力將經過的具有初始速度的天體或者飛船甩出去，通過精確計算理論上有可能借助這種天體之前的作用力通過所有天體而幾乎不會在行駛上消耗資源）。而開普勒先賢們也確實曾疑似發現了這條路徑，只不過在發回這一信息之後被黑洞吞噬，因爲這條信息之後再無任何信號。

準確地說，這條走廊就是一個個超大星體拉格朗日點的連線，只要完全按照引力走廊的路線行駛，就可以避免任何一個星體的超強引力干擾，同時可以把飛船剩餘能源封存，用於星際高速公路出口至γ75_3星的未知旅途。

想要在層層迷霧中做出正確的判斷，找到星際高速公路的入口以及沿途的所有拉格朗日點並最終到達γ75_3星，是擺在K星人面前真正的挑戰。

是時候做出決定了！

02—掉書袋

把計算機想象成人的身體（芯片是大腦，攝像頭是眼睛，音頻接口是耳朵和嘴巴可以發聲和聽），把計算機程序想象成人的思想，那麼：

【1】 人工智能：在計算機上寫一段程序，讓程序能聽、能說、關鍵能思考

【2】 機器學習：是實現人工智能的一種方法，這種方法主要是讓計算機上的程序利用統計學、概率學、線性代數、數學分析等一些數理知識能更科學合理地聽、說及思考。

【3】 模型：計算機程序針對一個任務（比如下圍棋的AlphaGo）學到了如何像人一樣執行任務的一個結果就是一個模型，模型主要是執行任務的一些網絡結構和參數（就像圍棋的一些規則和策略）

【4】 參數：拿圍棋來說，模型的參數就是：看到現在棋盤上的局面，我應該在哪裡落子，可能有多種可能的落子方式，但是不同的位置對我方局面的有利程度不一樣，參數刻畫了這個“程度”

【5】 模型訓練：從不會下圍棋，到慢慢知道規則，再到非常擅長甚至是精於圍棋有一個學習的過程，人工智能也有一個訓練過程，這個過程就是通過程序在計算機上不斷調整參數模擬不同的局面並判斷這些參數是否能贏。

【6】 測試或推理：模型推理就是利用訓練好的模型在新的任務上執行一遍驗證一下效果，就好像你說你圍棋水平九段，下一盤看看效果

【7】 訓練數據：以下圍棋爲例，計算機程序的訓練過程需要訓練數據，這個數據就是不同的落子策略、先後、不同位置的對弈數據；簡單說一條數據就是一次圍棋比賽、或者一次落子位置等等

【8】 監督訓練：監督和無監督是針對於訓練任務而言的，仍然以下圍棋爲例，監督訓練是知道指採用的數據是否有利於贏棋，通俗講就是知道這樣下是好是壞，這樣的數據一般是提前準備好的，比如參考歷史上優秀棋手的對弈數據。

【9】 無監督訓練：不知道這樣下是好是壞，只能自己探索

Www▲тTk án▲C ○

【10】 過擬合：針對一個具體場景或者任務匹配到幾乎一絲不差的程度，但是一旦切換一個場景就容易失效，比如下圍棋的時候針對一個選手研究得十分透徹，對方的每一步都在你的預料之中，但是可能換一個選手他的策略並不完全跟現在這個選手一樣，那學到針對現在選手的一些策略和落子方式在對弈新選手的時候就很容易失效。

03—參考文獻

1. 關鍵字：《統計學習方法》、李航

2. 關鍵字：《機器學習》、西瓜書、周志華

3. 關鍵字：coursera + perceptron、感知機