1.2.1 从传统编程转向机器学习
为了详细了解机器学习编码与传统编码之间的核心区别，让我们来看一个例子。
考虑描述一条线的函数：
y=Wx+B
这描述了对于一条线，线上的每个点y都可以通过将x乘以值W（用于权重）并添加值B（用于偏置）来导出。
（注意：AI文献往往是非常重视数学的。如果你刚刚开始，那么这是不必要的。这是我在本书中使用的极少数数学示例之一！）
现在，假设这条线上有两个点，并且它们位于x=2，y=3处和x=3，y=5处。我们如何编写计算W和B值的代码来描述连接这两个点的线？
让我们从W开始，其中W称为权重，但在几何学中，它也被称为斜率（或梯度）。具体情况如图1-2所示。
计算很简单：
W=(y2-y1)/(x2-x1)
代入数字，便可得出斜率：
W=(5-3)/(3-2)=(2)/(1)=2
图1-2：具有斜率的线段可视化
或者，在代码中，在这种情况下使用Python：
这个函数能工作。它很简单，因为当两个x值相同时，它会忽略除以零，但现在让我们继续吧。
我们现在已经计算出W值。为了得到直线的函数，我们还需要算出B。回到高中几何，我们可以用一个点作为例子。
所以，假设我们有：
y=Wx+B
我们也可以说：
B=y-Wx
我们知道当x=2、y=3且W=2时，我们可以回填这个函数：
B=3-(2*2)
这导致我们推导出B是-1。同样，在代码中，我们会这样写：
所以，现在，要确定线上的任何点，给定一个x，我们可以很容易地说：
或者，对于完整代码：
从中可以看出，当x为10时，y为19。
你刚刚完成了一项典型的编程任务。你有一个问题要解决，可以通过搞清楚规则然后用代码表达来解决问题。当给定两个点时，有一个要计算W的规则，你创建了该代码。然后，一旦你计算出W，就可以在使用W和单个点计算B时推导出另一个规则。接着，一旦你有了W和B，就可以编写另一个规则来根据W、B和给定的x来计算y。
那是传统的编程，现在通常称为基于规则的编程。我喜欢用如图1-3所示的图表来总结这一点。
图1-3：传统编程
在最高层次上，传统编程涉及创建作用于数据并为我们提供答案的规则。在前面的场景中，我们拥有数据——一条线上的两个点。然后我们找出了作用于这些数据的规则，以计算出这条线的方程。接着，根据这些规则，我们可以获得新数据的答案，例如，我们可以绘制该线条。
这种场景下程序员的核心工作就是搞清楚规则。这就是你为任何问题带来的价值——将它分解成规则，然后使用计算机可以理解的编码语言来表达这些规则。
但是你可能并不总是能够轻松表达这些规则。考虑之前我们想要区分T恤和鞋子的场景。人们无法总是通过找出规则来确定它们之间的关系，然后在代码中表达这些规则。这就是机器学习的用武之地，但在针对这样的计算机视觉任务进行研究之前，先考虑一下如何使用机器学习来得出我们之前计算出的直线方程。