计算

我们知道计算机不会思考，只能做些僵化死板不需要任何灵活性的工作，比如加减乘除的计算。当然它的工作不限于我们通常理解的计算。比如可以将一列数进行排序，3,7,4,20,6，从大到小排序。计算机将这列数扫描一遍，取出最大的数，将其放在首位。再将剩下的数扫描一次，再取出最大的数。重复多次，排序就完成了。这里说的就是一种排序算法。

什么是计算，有严格的定义，这里不展开讨论。总之，大概意思是按照某种明确的程序进行操作，不需要任何灵活性。凡是这样的工作，计算机都可以做。

学习

人工智能自60年前提出以来，突飞猛进。机器学习是人工智能中最重要的领域。计算机能学会各种各样的概念，比如什么是猫，什么是狗，什么是奔跑，什么是跳跃。

和小孩子一样，给一些水果它看，告诉它只是梨子，这是香蕉，这是苹果，见多了它就懂了。我们不用告诉它苹果有什么特征，梨子有什么特征，它自己会总结出来。

计算机不会思考，那它是如何学习的呢？它的学习本质上也是一种计算。

学习就是计算

举例子说明。现在让机器学会判断什么是好的西瓜，什么是坏的西瓜。

西瓜有各种不同的颜色，青绿、浅白、乌黑等。根蒂也分不同的情况，有的硬挺，有的蜷缩，有的稍蜷。敲声有的清脆，有的浑浊，有的沉闷。

假设西瓜的好坏完全由色泽、根蒂和敲声这三个属性确定。现在有四个西瓜。

编号    色泽   根蒂   敲声   西瓜

1       青绿   蜷缩   浑浊   是

2       乌黑   蜷缩   浑浊   是

3       青绿   硬挺   清脆   否

4       乌黑   稍蜷   沉闷   否

将这些数据输入电脑，让它自动学会区分好瓜坏瓜。现在来了一个新的西瓜，色泽青绿，根蒂蜷缩，敲声浑浊，计算机马上判断这是一个好瓜，因为它已经见过一模一样的瓜了。如果出现一个没见过的情况呢，比如颜色浅白的瓜敲声浑浊的瓜，这是好瓜还是坏瓜呢？

这里西瓜包括三种属性，色泽、根蒂和敲声。每种属性可以取不同的值。所以可以把好瓜坏瓜这些概念看做一个三元函数f(x,y,z)。x可以取青绿乌黑浅白三种值的一种，y取蜷缩稍蜷硬挺三种值的一种，z也类似。好瓜则函数值是1，坏瓜则函数值为0。比如f(青绿, 蜷缩, 浑浊)=1，f(乌黑,稍蜷,沉闷)=0。这个函数实际上是个分类函数，将不同的数据进行分类。

机器学习的任务就是求出函数f，使得它的变量取任意值时，都可以计算出f的值。

如何从有限的数据得到一个普遍的函数，使其能应用到各种各样的数据呢？有各种各样不同的算法解决这个问题。当输入数据时，计算机运行某种学习算法，就是机器学习的过程。

不同的算法有时求得的函数是不一样的，所以将学得的概念应用于新情况的时候，有时得到的结论不正确。所以计算机也会出错。