你知道，国王-男人+女人=什么吗？

……

答案是：女王！

”

想知道为什么？因为……

如上图，我们可以看到，国王减去男人这个属性再加上女人这个属性，就是女王。同理，北京-中国+德国=柏林。首都北京减去国家的属性，附上另一个国家的属性，就是那个国家的首都，柏林。

这些都是神经网络自己学习出来的结果……

那么，IBM + developer + 满满干货 =？

答案是：第8格！

6月3日， “第8格（Debug）”第一期活动在上地钻石大厦如期举行。本次活动的主题是“创新技术驱动未来，人工智能&区块链”。

座无虚席的活动现场

现场，大家所期待的滑翔伞运动员里最会编程的，程序员里最会跑酷的，投资人里最懂开发的李卓桓先生，与大家分享了机器学习的一些有趣应用。

李卓桓

#原来你是这样的机器学习#

会看图说话的机器学习

图摘自李卓桓演讲PPT

当我们拿出一张图片给到神经网络（机器学习中一个重要的算法）之后，例如左上角那只呆萌的猫，神经网络会在大量的图片分类结果学习的基础上，对图片内容进行识别后得出图片中的物体相关性，再用自然语言描述并输出，得到一个结论：一只黑白相间的猫坐在洗手池上。可以看到这个描述还是相当准确的。

会打游戏的机器学习

图摘自李卓桓演讲PPT

在这个应用中，神经网络是以完全非监督的方式学习的，意思是让一个神经网络在没有任何训练的情况下玩超级玛丽这个游戏。一开始这个神经网络是在乱玩（毕竟啥也不会……），而后它发现玛丽死了的话会给它惩罚，相反的每过一关都会给奖励，玩了一段时间以后这个神经网络居然自己通…关…了……

图摘自李卓桓演讲PPT

超级玛丽相对来说是一种比较难的游戏，如果将如上这个简单赛车游戏给到神经网络的话（毕竟只有左、右和刹车这几个变量），你会发现你永远也玩不赢它……

会理解各类关系的机器学习

图摘自李卓桓演讲PPT

通过机器学习神经网络对大量人类语言文献进行学习，对自然语言进行分析总结，得到向量空间。在这些向量空间里，这些词语做差后可以得到相同的向量。例如文章最开始说的，atv，国王-男人=女王-女人，相同的向量代表的是男女的差异。机器学习通过大量数据的学习和分析可以得到大量相关性，我们可以把这些相关性应用到更多场景中。

了解了人工智能的应用场景，还有更具实操性的讲解。

随后，IBM资深售前工程师姚炳雄为大家介绍了如何快速构建Watson AI应用以及实例演示。

IBM资深售前工程师姚炳雄

你可能要问，现场演示什么了？哪有AI应用这么快就搭建好的？

不吹不黑，30分钟快速搭建AI应用，小编带你见证奇迹的时刻。

首先，布置光线感应器以接收周围环境信息。与此同时将Watson AI处理器调制编译完成，用于接收并分析信息。当感应器将信息接收后传入到Watson AI处理器中，通过Watson的学习和分析，将结果以自然语言或颜色信息输出到LED显示屏，然后你就可以在显示屏上看到你想要的环境信息啦~

注意！以上这段过程，从搭建到编码到最终成功显示环境信息用时共计29分钟。以往可能需要几个小时完成的工作，现在半小时就能搞定！

不仅是Watson AI应用的搭建，atv，IBM 数据科学家卓玲还与现场各位来宾对“机器学习数据建模”进行了深入探讨并做实例演示。

IBM 数据科学家卓玲

茶歇过后，IBM 区块链研究者尹振宇为大家详细描述了如何搭建区块链应用。

IBM 区块链研究者尹振宇