认知事物
上一篇介绍了AI的一些基本应用，这篇文章接着介绍一下AI及机器学习的基本原理。
看完上一篇后，大家肯定会有很多疑问，机器怎么能够识别那么多花花草草，即便是对于同一种类的花，不同角度拍摄，图像也是不一样，软件怎么把它跟自己数据库中存的花的名字对应上？这篇文章，简单揭示一下其基础原理。
人工智能要用到机器学习，机器学习很重要的一个分支是神经网络。提到学习、神经这些词，大家肯定会跟人类联系起来。没错，机器学习的过程，就是在模拟人的成长学习的过程。试想一下，我们从小到大认知事物的过程，都是通过不断听到、看到很多东西，然后记忆其中的一些关键特征，从而实现能够分门别类认知事物。比如，我们知道有4个轮胎，有方向盘这些特征的东西叫做汽车，当我们看到小轿车的时候就能知道它叫做汽车，当我们看到一辆七座SUV的时候，我们猜测它大概也叫做汽车，我们甚至看到一辆公交车的时候，也能联想到这叫做汽车，随着不断地得到确认，在我们以后的日子里面，就认知了这个汽车这个事物，无论它是大是小，是高是矮，形状各异，我们都能说出这是一辆汽车，因为他们都有4个（多个）轮子，都有方向盘。可见特征很重要，如果我们选取玻璃这个特征作为汽车的主要特征，那么可能学习起来就会比较慢，甚至学不会什么是汽车，因为安装玻璃的物体太多，玻璃不是汽车的主要特征。
那怎么才能让它学会，并且学的快学的准确呢？最好的办法就是给它足够多的见识（学习样本），城里的小孩比农村的小孩见到的汽车多，见到的汽车样式多，所以比农村小孩更早认识汽车。
因此机器学习最重要的三点是：准确的特征选取、足够的训练样本，好的训练网络模型。
下篇文章，将从一个简单的实战，来介绍如何进行机器学习。
