最近AI成了热门技术话题，机器学习作为实现人工智能的一种方式也变得火热起来。机器学习主要是通过大量数据，对机器进行训练，不断地检验其结果是否跟实际情况相符，最终得到一个能够处理特定问题的模型，输入一个问题，可以得到一个结果，被机器认为是最有可能的结果。
为什么说大脑跟人工智能像呢？阅读《思考快与慢》这本书给了我很多启发，特别是人类的直觉思维。如果说程序可以类比人类的理性思维，那机器学习则是直觉思维或者说是感性思维的体现。机器学习被一些人认为是实现人工智能的方式，也不是没有道理的。
1，只关注结果，不关注原因。
你是否有过这样的感觉？两样东西，你就是更喜欢其中一样，从心理学的角度看，那可能是因为你脑袋中很多年前留下了与之相关的记忆，只是现在突然出现，你记不起来了，但它让你感到熟悉，给你带来了一定的安全感，所以会不自觉的喜欢。现在流行的大数据，从根本上就是这样的方式，因为用很多关系没办法直接因果相关，而是多多少少有联系。机器学习的一些算法，通过大量数据建立相关性，并不一定有明确的因果关系，是不是也是一样的方式？
2，神经网络的层层递增
你相信你的直觉判断么？还是说你会反复思考？其实你的直觉已经经历了一层思考。试想你面前摆着一道色香味俱全的美味，你还会犹豫要不要尝一下么？还有很多复杂的技能，特别是体育运动，很多时候并没有时间去考虑怎样反应机器学习的神经网络就是类似的，通过一层层的筛选，得到的结果可靠度就更高了，最终得到的是可能性最高的那个选项。
3，一步步的训练成长
人类自己有着各种各样的本能，有些是通过基因决定的，有些是后天训练的。从咿呀学语到蹒跚学步，一般都经历了很多次失败，更有些技能，如果没人叫就永远学不会。机器学习的字面意思大概如此，需要一步步的训练才能学会更多的技能，进而会为了完成特定的目标而有所创新。
人工智能之所以是人工智能，那就离不开对人类自身的探索，在越发了解自身的情况下，就越有可能创造出真正的人工智能。但如同学习方法对学习效率的影响，机器学习的效果也会有很多不同。基于人类本身的方法也不一定就是最高效的，所以这一方面才会如此的吸引人。
