第一百一十一章 不一样的机器学习 (第2/4页)

），在最后一列记录下结论，即帅还是不帅（机器学习领域叫做标签）。

    将这样一个训练数据提供给机器学习算法，训练结束之后，它会学习出一个关于读者的特征和该读者是否帅之间关系的模型。

    此时再让它来判断一个新读者是否帅，他便会根据这个训练模型给出一个该读者帅的概率和不帅的概率。

    显而易见，只要给机器学习的训练数据量越大，那么其学习后得出正确结论的概率也越高。

    正因如此，机器学习才被广泛运用到很多工作场景之中，比如道路摄像头拍照后直接识别驾驶员当前驾驶状态是正常驾驶、抽烟、打电话、单手握方向盘、和乘客聊天还是在做其他事。

    如此强大的学习能力再结合上同样先进的人工智能技术，人们会担心所谓的智械危机也就不足为怪了。

    但这篇论文所提到的机器学习和顾枫基于前世认知所了解到的机器学习又有比较大的区别。

    基于该世界更为先进的人工智能技术和数字生命技术，机器学习可以直接做到语言教导和行为教导。

    这就和父母教导孩子什么是猪,怎么写字是一个道理。

    其实本质上这个过程又回归到最原始的算法,即程序员通过算法让计算机做一些事。

    只是在这种数字生命领域的机器学习之中，数字生命可以自动识别它听到的话和看到的现象，然后自行生成一段新的代码，这段新代码便是它对一段话或是某种现象学习产生的认知。