AI基础——AI如何学习

机器学习与人类学习

了解机器如何学习之前，我们先思考一下，人是如何学习的。
我们以学生学习并参加高考为例，看看这个过程：

整体分两个过程：学习过程和实施过程。

• 首先，在学习过程中，学生利用听课、做题等训练手段，通过总结、测试学到了经验、规律。
• 然后，在实施过程中，学生利用学到的规律，完成高考，取得理想成绩，并最终进入大学。

类比的，我们看看机器是如何学习的。

整体同样分两个过程：学习过程和实施过程。

• 首先，在学习过程中，机器通过历史数据（经验）的训练，并进行测试，最终学到模型。
• 然后，在实施过程中，机器利用学到的模型，对输入的数据进行预测，创造价值，提高生产力。

通过以上不是特别恰当的例子，可以看出：机器学习的过程跟人类学习是类似的。

机器怎么学习

那么机器具体怎么学习呢？

通过上面的例子，我们发现，所谓的智能，可以简单归纳为某种判断力。

比如根据一张动物的图片，可以判断是猫是狗；根据一个地方的基本特征，比如气候、湿度、是否临海等，可以判断大概的地理位置；根据一个人的基本信息，比如性别、血压、体重等，可以判断他的基本健康状况。

这些例子都可以归纳成以下流程：输入数据——判断——输出数据。

是不是有点面熟？机智如你，马上想到了：这不就是小时候学的函数么：自变量——函数——因变量。

是的，机器就可以通过函数学习，只要找到正确的函数，机器就有能力根据自变量，做出判断，得出因变量，他就获得了某种判断力。

当然，这只是机器学习的一种方式，并不是所有机器学习算法都需要找到一个合适的函数。
更通用的说法，是模型。

1. 通过历史数据的训练，获得一个合理的模型；
2. 通过测试数据，测试一下模型的表现，如果不理想，重新回到第1步，调整参数重新训练，直到得到一个表现优异的模型；
3. 把需要预测的新数据输入模型，获得预测值。

以上，就是机器的学习过程。

总结

本文出现的几个关键词：模型、历史数据、训练、测试、预测等。

机器学习总结一句话：利用历史数据，通过多次迭代的训练、测试，学到一个模型，利用该模型对新数据进行预测的过程。

人类学习与机器学习是相似的，AI就是机器模拟人的智能，人的智能不是与生俱来的，需要后天的努力学习。

机器也可以！