本章小结与想一想

人工智能研究感知、学习、推理和决策等任务。机器学习从数据中调整模型，训练好的模型再处理新输入，换了材料后还能否做好，体现了泛化能力。数据提供材料，算法规定方法，算力支持执行，处理器、内存、存储和输入输出设备共同完成工作。知识规则、神经网络、从行动反馈中学习等思路，可以单独使用，也可以配合。评价一项应用，既要看它在具体条件下完成任务的表现，也要考察数据是否使用得当、结果影响谁，以及人应承担什么责任。

想一想

1．闹钟到点会响，相册还能自动找出猫的照片。只凭“会自动工作”，能判断一个功能是否用了人工智能吗？还应了解它怎样完成任务？

2．数字识别模型认错了一张图片。程序把正确答案告诉它，并据此调整参数；后来，模型又认出一张新图片。这两个过程有什么不同？为什么还要给它看新图片？

3．一套动物识别系统只学过晴天拍的照片，到了雨天就常常认错。再给它一万张相似的晴天照片，就一定能解决问题吗？怎样补充照片更有帮助？

4．一张小图的宽和高都扩大为原来的两倍，每个像素所占的字节数不变。如果不考虑压缩，只算像素数据，数据量会变成几倍？可以先画几个小方格想一想。

5．小林训练好一个模型，只把参数留在运行程序的内存里，还没有保存到文件。电脑突然断电，这次成果可能怎样？为什么“已经算出来”和“已经保存好”是两回事？

6．同学想把全班的正脸照片和姓名交给 AI，做一张班级海报。海报画得漂亮，就可以直接公开发布吗？在收集、上传和使用这些资料之前，还应考虑什么？