当一个婴儿调整他大脑中神经元之间的连接，直到他能够认出一只狗并说“这是一只狗！” 我们说他学会了。

为什么我们不对碰巧在计算机内部而不是在人脑中的神经网络（或其他模型）说同样的话？

首先，这是一个可以引发社区讨论的问题 :)

对我来说，将模型训练过程称为“参数化”在某种程度上是正确的，因为本质上我们所做的是使模型更加优化以解决问题陈述，就像谷歌的 Duplex能够通过特定领域的图灵测试一样只要。

但随之而来的是强化学习的概念，其中代理致力于最大化奖励并采取从未想过的行动。以AlphaGo为例，AI 试图理解游戏并从错误中学习。

当我们拟合一个模型时，考虑到一些参数，它被称为拟合。然而，当我们使用像梯度下降这样的优化方法时，参数会在每次迭代中更新，从而导致参数的修改，就像人类一样。

因此，它被称为学习。