棋棋书网

别被术语吓到——用大白话拆解ai关键词（第3页）

第三步，“AI调整思路”——AI知道自己错了，也知道错在哪儿了，就会按照工程师的提示，调整自己的“算法”（认猫步骤）。比如之前AI判断的时候没关注“耳朵形状”，现在就会把“看耳朵形状”这个步骤加进去，或者更重视这个步骤。

第四步，“反复练习”——接下来，工程师会给AI输入更多的“数据”，可能是另一张猫的照片，也可能是一张狗的照片，让AI继续判断。AI用调整后的“算法”去判断，如果又错了，工程师再告诉它对错和原因，AI再调整“算法”；如果对了，就继续给它新的“数据”练习，直到AI能准确判断出大部分照片里是不是猫。

这个“出题—批改—调整—再出题”的循环过程，就是AI的“训练”。而且AI的“训练”比学生做题要“勤奋”得多，学生一天可能做几十道题就累了，但AI可以24小时不间断地“做题”，一天能“看”几十万甚至几百万张照片，所以AI的“学习速度”比人快很多，用不了多久就能形成能准确“认猫”的“模型”。

再比如AI训练“推荐视频”的过程，也是一样的道理：

第一步，“给AI出题”——给AI输入一个用户的观看记录（数据），让AI推荐这个用户可能喜欢的视频。AI一开始不知道用户的喜好，可能会推荐一些用户不感兴趣的视频，比如用户喜欢看美食视频，AI却推荐了科技视频。

第二步，“告诉AI对错”——工程师会根据用户的反馈来“批改”AI的推荐：如果用户把AI推荐的科技视频划走了，就告诉AI“你错了，这个用户不喜欢科技视频”；如果用户给AI推荐的美食视频点了赞，就告诉AI“你对了，这个用户喜欢美食视频”。

第三步，“AI调整思路”——AI根据用户的反馈，调整自己的“算法”（推荐步骤）。比如之前AI推荐的时候没考虑“用户点赞过美食视频”这个信息，现在就会把这个信息加进去，以后给这个用户推荐视频的时候，多推荐美食类的内容。

第四步，“反复练习”——AI用调整后的“算法”给更多用户推荐视频，再根据用户的反馈（点赞、评论、转发、划走）继续调整“算法”，反复循环，直到AI推荐的视频能让大部分用户满意，这时候“推荐视频的模型”就训练好了。

所以你看，AI的“训练”其实就是一个“不断试错、不断调整”的学习过程，和咱们上学时老师教咱们做题的逻辑完全一样，只是AI更“能扛”，能一直不停地“练习”，直到把“知识”学会，形成能用的“模型”。

三、用一个简单类比，把四个术语串起来，一眼看懂AI逻辑

前面咱们逐个拆解了“算法”“数据”“模型”“训练”这四个术语，可能你已经分别理解了，但还是有点分不清它们之间的关系。别急，咱们用一个生活里最常见的例子——“学做饭的新手”，把这四个术语串起来，你一下子就能明白它们之间的联系，也能看懂AI的基本逻辑。

咱们把AI比作一个“刚学做饭的新手”，那：

- 数据就是新手做饭需要的“食材”。比如新手要学做番茄炒蛋，就得准备番茄、鸡蛋、油、盐、糖这些食材，没有这些食材，新手再想做饭也做不了。AI也一样，没有“数据”（比如认猫需要的照片、推荐视频需要的用户记录），再厉害的AI也没办法“学习”和“做事”。

本小章还未完，请点击下一页继续阅读后面精彩内容！

- 算法就是新手做饭需要的“菜谱”。新手不知道怎么炒番茄炒蛋，就得照着菜谱一步步来：洗番茄、切番茄、打鸡蛋、炒鸡蛋、炒番茄、混合翻炒……这些步骤就是“菜谱”。AI也需要“算法”（做事步骤），比如认猫需要“看耳朵、看眼睛、看身体”的步骤，推荐视频需要“分析用户点赞、分析用户观看时长”的步骤，没有“算法”，AI就不知道该从哪儿下手。

- 训练就是新手“练习做饭的过程”。新手第一次做番茄炒蛋，可能会把鸡蛋炒糊，或者把番茄炒得太烂，这时候妈妈会告诉她“火太大了，下次把火调小一点”“番茄别炒太久，炒出汁就行”。新手听了妈妈的话，下次做饭的时候调整一下步骤，再练习一次，可能还是会有小问题，再调整、再练习，直到能做出好吃的番茄炒蛋。AI的“训练”也是这样，通过“输入数据（给食材）—判断（做饭）—纠正错误（妈妈指导）—调整算法（调整做饭步骤）—再输入数据（再用食材练习）”的循环，慢慢“学会”做事。

- 模型就是新手“学会做饭后能做出的菜”。新手经过多次练习，终于掌握了做番茄炒蛋的技巧，能做出一盘好吃的番茄炒蛋了，这盘“好吃的番茄炒蛋”就是她的“成果”，以后不管谁让她做番茄炒蛋，她都能做出来。AI经过“训练”后形成的“模型”，就相当于这盘“好吃的番茄炒蛋”，是AI的“学习成果”，以后不管遇到什么类似的问题（比如新的猫的照片、新的用户），AI都能调用“模型”，解决问题。