图片发自简书App
人类的学习过程也是从简单到复杂，从生存价值最基本的考量就是在对环境不断深化感知和代入决策的过程。
数学建模、加数据、算法、应用设备是机器学习的基本核心。
机器学习先确定对环境认知的基本器官，犹如我们人类的眼睛、耳朵、嘴巴、触觉和意识，机器的器官也有音频、视频、图像和人机交互产生行为的触觉。
所谓的机器学习过程就是用设定好的数据来倒逼实现的过程。是从人类确知的思维模型上设定好导出结果的数据，再把无法用人脑重复的大量计算用机器的工程学原理来实现。
人类的决策过程是一个设定边界的举措，机器学习里也是一样。比如我们判断一个孩子是否是个好学生，可以从他的考试成绩，他的行为特征，他的兴趣爱好来设定好学生的指标。机器学习就是把设定边界的指标用机器语言来框定，从而通过大数据汇总、抓取和演算的过程来推导出结果。
机器学习已经包罗万象，它涉及到统计学、数学、生物学、逻辑学、神经网络学等单一学科的综合运用。
目前机器的深度学习还有很多语焉不详的过程，到底算出来的梯度或中间的权重跟后面的结果是不是一个必然的关系还似是而非，因此它甚至有点像炼金术，把各种贵金属及其他介质放到一起熔炼，出来的一块丹是否是金丹，就要取决于像一个中医黑匣子一样纠错反证的过程。
所以我们不能盲目欢喜这次“机器深度学习”的第三次浪潮，过于夸大它目前的实质应用效果或生畏它的不确定性都不可取，所以我们不要把它当作一个可量化、规范化、确定化的工业品去对待，而是把它当作一个艺术品的加工过程，运用大量的先验知识、根据能被人类感知、聚类和分理的知识清醒的预测下一个应用的领域和未来。
