无监督学习：大数据带我们洞察现在，但小数据将带我们抵达未来

过去十年里，机器学习在语言处理、图像识别、自动驾驶等商业应用，甚至围棋、星际争霸和DOTA等游戏领域里都取得了空前进步。这些成功在很大程度上是通过监督学习和强化学习这两种学习模式中的一种，对神经网络进行训练来实现的。它们的共同之处在于都需要人类设计训练信号。在监督学习中，这些信号通常被定义为“目标”，比如图片的正确标签；在强化学习中，则为对成功的“奖励”，比如在游戏中获得高分。也就是说，人类其实限制了学习成果。尽管一些科学家认为，给出包容性较高的训练规则或许足以产生通用人工智能。但更多人认为，真正的人工智能需要能够自我学习，把对一个领域的学习成果应用于另一个领域，就像儿童探索世界一样。如果我们 ………………………………