? ? ? ? 最近AI成了熱門技術話題，機器學習作為實現人工智能的一種方式也變得火熱起來。機器學習主要是通過大量數據，對機器進行訓練，不斷地檢驗其結果是否跟實際情況相符，最終得到一個能夠處理特定問題的模型，輸入一個問題，可以得到一個結果，被機器認為是最有可能的結果。

? ? ? 為什么說大腦跟人工智能像呢？閱讀《思考快與慢》這本書給了我很多啟發，特別是人類的直覺思維。如果說程序可以類比人類的理性思維，那機器學習則是直覺思維或者說是感性思維的體現。機器學習被一些人認為是實現人工智能的方式，也不是沒有道理的。

1，只關注結果，不關注原因。

你是否有過這樣的感覺？兩樣東西，你就是更喜歡其中一樣，從心理學的角度看，那可能是因為你腦袋中很多年前留下了與之相關的記憶，只是現在突然出現，你記不起來了，但它讓你感到熟悉，給你帶來了一定的安全感，所以會不自覺的喜歡。現在流行的大數據，從根本上就是這樣的方式，因為用很多關系沒辦法直接因果相關，而是多多少少有聯系。機器學習的一些算法，通過大量數據建立相關性，并不一定有明確的因果關系，是不是也是一樣的方式？

2，神經網絡的層層遞增

你相信你的直覺判斷么？還是說你會反復思考？其實你的直覺已經經歷了一層思考。試想你面前擺著一道色香味俱全的美味，你還會猶豫要不要嘗一下么？還有很多復雜的技能，特別是體育運動，很多時候并沒有時間去考慮怎樣反應機器學習的神經網絡就是類似的，通過一層層的篩選，得到的結果可靠度就更高了，最終得到的是可能性最高的那個選項。

3，一步步的訓練成長

人類自己有著各種各樣的本能，有些是通過基因決定的，有些是后天訓練的。從咿呀學語到蹣跚學步，一般都經歷了很多次失敗，更有些技能，如果沒人叫就永遠學不會。機器學習的字面意思大概如此，需要一步步的訓練才能學會更多的技能，進而會為了完成特定的目標而有所創新。

人工智能之所以是人工智能，那就離不開對人類自身的探索，在越發了解自身的情況下，就越有可能創造出真正的人工智能。但如同學習方法對學習效率的影響，機器學習的效果也會有很多不同。基于人類本身的方法也不一定就是最高效的，所以這一方面才會如此的吸引人。