关于人工智能背后数学的 10 个深刻答案 它知识渊博、充满自信，在很多方面表现得像人类。但驱动人工智能的不是魔法，而是数学和数据。

简介

机器为什么要学习？即使在不久的过去，这个问题也还是很荒谬，因为机器（即计算机）只能执行人类程序员编写的任何指令。然而，随着生成式人工智能或人工智能的兴起，机器似乎真的具有学习能力，可以根据与人类和非人类用户的持续互动来改进答案。大型基于语言模型的人工智能程序（如 ChatGPT、Claude、Gemini 等）现在非常普及，它们正在全球各地的应用程序中取代包括 Google 搜索在内的传统工具。

这是怎么发生的？我们怎么会如此迅速地生活在这样一个时代：许多人都乐意将传统上需要人类专家处理的生活事务交给计算机程序？从财务到医疗决策，从量子系统到蛋白质折叠，从数据排序到在一片噪音中寻找信号，许多利用人工智能 (AI) 和机器学习 (ML) 的程序在这些任务上的表现甚至比最伟大的人类专家还要出色。

在《为什么机器学习：现代人工智能背后的优雅数学》中，科学作家 Anil Ananthaswamy 探讨了所有这些方面以及更多内容。

解决方案

Ethan Siegel (ES)：很多人听到“AI”（人工智能）这个词，就会立即想到一些比他们听到“计算机程序”这个词时想到的东西更深刻、更奇特的东西。您认为传统计算机程序和融入人工智能的计算机软件之间的主要区别和相似之处是什么？

阿尼尔·阿南塔斯瓦米 (AA)：如今我们谈论人工智能时，指的是人工智能的一种特殊形式，即机器学习 (ML)。当然，这样的系统也是计算机程