「AI哲学」让人类“为自身立命”与“为AI立心”。

人工智能AI（学习与解答是分离的）与人类智能HI（学习与解答交叉在一起）。

AI学习（训练）阶段与解答（预测）阶段是分开的，一旦学习（训练）完成，AI基本只做解答（预测），一般不会再进行进一步深入学习（训练）。

而人类智能（HI）则相反，学习永远都在路上。

点击+号关注本账号，可获得更多精彩内容。

AI的机器学习一般分两个主要步骤：一个是学习（训练）阶段，另一个是解答（预测、求解、实施、应用、部署、生成、推理、推断、分类）阶段。

* 在学习（训练）阶段，机器学习算法使用已知的数据集（“训练集”）来学习模型或函数的参数，以捕捉已知数据中的潜在规律和特征。这个训练数据集包含了大量的输入（如某一张为一只狗的照片）和对应的真实已知输出（或标签）信息（如将这张照片的输出标签标记为“一只狗”），算法通过不断调整参数来训练和优化模型，以尽可能拟合接近已知的真实数据及真实标签，使其能够对另外的“测试集/验证集”中的未知数据（比如另一张狗的照片）做出准确的预测或分类（准确识别其对应的标签也为“一只狗”）。训练阶段的主要工作是根据训练数据建立模型，其中还涉及到对所建立模型的评估、验证和优化。

* 在解答（预测）阶段，算法将学习到的模型应用于新的数据，输出预测结果。这个阶段也称为推断阶段或实施阶段，因为此时机器已经完成了学习，并开始使用学到的知识来回答新的问题或处理新的任务。预测阶段的主要工作是利用建立好的模型对新的数据进行预测与分类。

这两个主要阶段共同构成了机器学习过程的核心，使得机器能够从大量历史数据中学习规律，并应用于新的情境和问题。

我们可以看出，除非是在线增量学习这种专门情况，AI学习（训练）阶段与解答（预测）阶段是分开的，一旦学习（训练）完成，AI基本只做解答（预测），一般不会再进行进一步深入学习（训练）。之所以如此，是因为AI学习或训练一次的成本非常高昂，涉及到海量数据的费时训练和高性能芯片的超级算力，所以一次就要全部训练完。即使在实践中发现了更多的新数据，也不会实时将新数据和旧数据整合在一起重新学习以进一步调整优化模型参数。

而人类智能（HI）则相反，是将两个阶段紧密合在一起，即学习永远都在路上，“在学习中实践、在实践中学习”，“活到老、学到老”。

更详细内容，请见本书的完整版。如果你有任何感想，请在评论区留言，一起讨论。

“AI哲学一吴怀宇”（中国科学院博士、北大博士后）作者主页：www.OpenDAI.org；邮件：huaiyuwu@sina.com

视频号/公众号：AI哲学一吴怀宇中国科学院（人工智能哲学）