?? 上一節聊到，“強化學習”可以把無監督學習和有監督學習兩者優勢有機的結合在一起，那么代表著最炫最酷的學習方法，它有什么特別之處呢？ 

AlphaGo

1706277267.jpg

話說AlphaGo一開始也是使用有監督的學習，學習的對象是人類高手上千年積累下來的對弈棋譜，那些棋譜的輸贏結果是知道的，也就相當于人為地標注上了那步是好棋，那步是差棋。這個與Google通過開發詳細的街景地圖，來實際無人駕駛技術是一樣的道理。

尋求突破

但是AlphaGo如果只是沿著人類的思路去學習，不單進步的速度慢，而且恐怕學得再多也不可能比人類的棋藝高出一大截。當然，因為圍棋的變化太多，雖然計算機速度快，但在圍棋領域試錯也是不現實的。

不得不說，在沒有了解之前，我一直以為AlphaGo是因為運算速度快，能提前算出每步棋的勝負概率才贏的人類，后來才知道不是這么的簡單。更何況AlphaGo學習的目的是實現機器的高智能化，要突破人類思維的局限性是重點攻克的一環。

改進

為此AlphaGo就采用改進版的“強化學習”，它的方法說起來非常簡單，就是機器在沒有人為標注方向的情況下，自己先試著走一個方向，然后人告訴它好不好，也就是說它自己可以選擇任何一個方向，包括之前人類沒有想過的方向，然后人來告訴它這個方向可不可行。

特斯拉

1706278457.jpg

特斯拉的無人駕駛技術，它事先沒有什么詳細的街景地圖等標注好的數據，它就根據人的反饋不斷進行學習。一開始上路只能靠著車道識別的功能，沿著劃定清晰的車道行駛，但到了車道不清楚的地方，或者是分叉等特殊情況的時候，特斯拉就蒙了，只能亂開。

更正確的方向

這個時候坐在同一輛車上的人就會干預，一旦它開錯了人就馬上接手控制車輛。這樣雖然并沒有詳細的告訴它要如何開才是對的，但接受得多人為的反饋，它會朝著更正確的方法去駕駛。這也是“強化學習”。

現在想起來，我當時看到特斯拉的無人汽車還需要一個人在旁邊看著的資訊，心里還嘲笑埃隆·馬斯克竟然研發這種雞肋。真應了一句話，沒文化真可怕。

獵頭

1706275879.png

說回到獵頭上面，乍一看“強化學習”與無監督學習好像有點像，沒錯，兩者都會很開心的鼓勵你去撞墻，區別在于后者在你撞墻后，你也不知道你為什么就撞上了，所以下次再撞上去的機率會很高。而后者則是在你撞墻的那一瞬有人把你給拉回來，或者是你撞上后，有人詳細的分析給你聽，為什么會撞上了，它的底層邏輯是怎么樣的。

顧問培養

當然這個反饋怎么樣才是高明的?如何判斷反饋水平的好壞？更何況在獵頭這里，還要兼顧輸出的服務質量，不能光顧著給新人試錯而讓客戶吃虧。許多獵頭公司都希望能多培養高產值的獵頭，但其實培養那個能訓練出高產值獵頭的顧問，才是根本的解決之道?？上τ诜答伻绾巫龅礁?，Google就沒有公開更詳細的資料了，否則也許會對我們有進一步的啟發。

強化學習

好了，說完了后你也許會發現，這個“強化學習”怎么這么眼熟？是的，它跟我們平常生活中的一些原理是相通的，打個比方，家長教育小孩子，你不一定要把什么可以做，什么不可以做都告訴他，只要在他做得好的時候表揚一下，做的不好的時候批評他，慢慢的他自己就會向好的方向發展。培訓新手也一樣，別急于指點江山，你的水平就不會成為他們的天花板，他們也能給你的認知打開一道新的門。

作者：Susan——Talentview創始合伙人

            泰能獵頭，始于1998年，重生于非典后，闖過了2008年的金融危機，始終用自己專業的態度為企業和人才提供穩定優質的服務。愿我們的低調穩重，為你開創一條金光大道。

原創文章，轉載請注明出處！