但基本上我们想说的是，我们试图让机器自己得出结果，而不是我们必须告诉它们所有需要考虑的输入、如何处理这些输入以及得出的结果。所以这本质上是机器学习。例如，谷歌已经利用这一点来判断，当你给它一堆照片时，它会说，“哦，这是一张风景照。哦，这是一张户外照。哦，这是一张人物照。”你有没有遇到过这种令人毛骨悚然的经历：你把一张照片上传到 Facebook 或 Google+，他们说，“这是你的朋友吗？”你会想，“天哪，我朋友的照片拍得太糟糕了。你几乎看不到他的大部分脸，他还戴着他平时从来不戴的眼镜。Google+ 或 Facebook 怎么可能知道这是这个人？”
这就是他们所使用的神经网络和深度机 马来西亚电报筛选 器学习过程。我给你举个简单的例子。在 MOZ，我们非常简单地对页面权威和域权威进行机器学习。我们获取所有输入——链接数量、链接根域数量、您可以从 MOZ 获得的页面级别、子域级别、根域级别的每个指标，所有这些指标——然后我们将它们组合在一起，我们说：“嘿，机器，我们希望你为我们构建与 Google 页面排名方式最相关的算法，这里有一堆 Google 排名的页面。”我认为我们使用 10,000 个基本集，我们大约每季度或每 6 个月进行一次，将其反馈给系统，系统会输出一个小算法，说：“给你。这将为您提供与 Google 页面排名方式最相关的指标。”这就是您获得页面权威域权威的方式。
很酷，真的很有用，可以帮助我们说：“好吧，谷歌可能认为这个页面比这个页面重要一点，而这个页面重要得多。”很酷。但这不是一个特别先进的系统。更先进的系统是分层使用这些类型的神经网络。所以你有一组网络，顺便说一下，这些神经网络被设计用来复制人类大脑中的节点，在我看来这有点令人毛骨悚然，但不用担心。这篇文章确实谈到了有一个科学家委员会确保终结者 2 不会发生，或者终结者 1 不会发生。显然，没有人阻止终结者 4 的发生？那是即将上映的新片。