第 2 天：机器学习如何从例子中学习
今天我们聊聊机器学习是怎么「学」的。别担心，我们不说公式，就用生活场景打比方。机器学习其实很傻，它不会真的思考，只是在一大堆例子里找到规律，然后照着规律猜答案。理解这一点，你就抓住了人工智能最核心的秘密。
一、先有数据，才能谈学习
机器学习的第一步，是要有「数据」。数据可以理解成「一堆例子」。比如你想让机器学会判断一封邮件是不是垃圾邮件，你就得先收集一万封邮件，每一封都告诉机器：是垃圾，或者不是垃圾。这些邮件就是数据。没有数据，机器学习就像一个没吃过面包的人，你问它面包是什么味道，它只能发呆。数据越多、越丰富，机器就越有可能学到有用的东西，就像一个人见多识广，判断力也会更强。
二、从例子里找到规律
拿到数据后，机器会做一件事：在这些例子里找规律。比如它发现，凡是标题里带「中奖」「免费」这类词的邮件，十有八九是垃圾邮件；凡是同事发来的、提到项目名字的，多半不是垃圾邮件。这就是规律。注意，机器不会告诉你「为什么」有这个规律，它只是默默地把这种关联记下来。这就像小朋友学说话，听大人说了几千遍「苹果」指着红色的水果，慢慢就学会了，但他并不懂「苹果」这两个字背后的语言学原理。
三、用规律去预测新问题
规律找到之后，就能用来「预测」了。当一封新邮件进来，机器就看看它的标题、内容、发送人，跟之前学过的规律对一对，然后猜：这封大概是垃圾邮件，或者大概不是。注意，这只是「猜」，不是百分百确定。机器学习本质上就是从历史经验里提炼规律，再用这些规律去猜未来的答案。所以天气预报说「明天 90% 概率下雨」，也是机器学习根据过去的气象数据猜出来的，不保证一定准。
四、学习不是真的思考
最后要特别强调：机器学习≠真正思考。它没有意识，也不会理解什么是「垃圾邮件」的烦人之处。它只是在做模式匹配，就像一个超级认真的学生，死记硬背了一万道题的答案，遇到新题就按套路填答。哪怕它答对了，也不代表它「懂」了。所以我们用 AI 的时候要保持清醒：它能帮忙，但不能完全替代人的判断，尤其是涉及价值、伦理、感情的问题，更需要人来拍板。
停一下，确认你真的懂了
每题只能选择一次，不计分，也不会保存结果。
第 1 题
机器学习的第一步是什么？
第 2 题
为什么说机器学习不是真正的思考？
第 3 题