2021 开年巨献 —— 系列文章《AI 入行那些事儿》，为您讲述：
- 人工智能的基础原理、发展历程、当前应用
- 成为 AI 技术人员所需的入门技能和学习途径
- 以及求职、面试的全过程
人类是如何学习的？
在了解机器是怎么学习之前，我们先来回顾一下人类自己的学习过程。
设想一下，当我们听到“苹果”这个词时，我们会想到什么呢？是不是会想到那种又红又圆、酸甜可口的水果？
下来我们还会想到什么呢？我们可能会联想到，苹果是一种水果，香蕉、橘子、樱桃和草莓也都是水果。
设想一下：我们正在一家超市里，想买一些苹果，但一时又找不到，这时我们看到了香蕉，我们马上就会知道苹果应该就在附近。
了联想到其它水果之外，我们还可能会从苹果联想到苹果派，因为它是一种用苹果做馅料的点心。
关联学习
提到某个我们所熟悉的概念时，在我们的脑海里通常会出现一个对应的具体事物（苹果）。但我们的思维并不是到此为止，因为这个事物并不是孤立的，它会和其它事物产生关联。
过关联来学习，这是人类认识事物的方式。在人类的头脑中，有一个非常复杂的知识图谱，这个图谱的每一个节点都是一个能映射某种具体事务的概念，人类通过不断拓展知识图谱来学习这个世界。
机器的学习方式
机器自然不可能像人类那样去把概念具象化成某种事物，它能做的是：把所有的概念都转换成数值，把这些概念之间的关系转化成运算，通过这些数值的运算来展现这个世界上的万事万物及其关联。
不过，机器学习中最常用的数值和平时我们所说的数字不太一样。平时我们说的数字都是标量（Scalar），而机器学习中使用的数值是一般向量（矢量，Vector）。此外，还会用到矩阵（Matrix）或张量（Tensor）。
机器可以把现实事物转换成标量/向量/矩阵/张量，再对它们进行运算，得出结果，并用这个结果来指导我们解决问题。
如前所述，如今人工智能主流的支持技术是机器学习和深度学习，它们共同的核心原理也就是如此的。
机器学习和深度学习具有三个共同要素：数据（Data）、算法（Algorithm）和模型（Model）。计算机运行实现了算法的程序对数据进行运算，通过运算结果得到模型。
然后利用得出的模型来预测新的结果。这就是机器学习模型的用途，也是机器学习应用所要达到的目的。
机器学习的整个流程分为训练、测试、预测三个要素，下次我们会用一个例子来说明这个流程是怎么运作的。
