当一回 AI 老师！🎓
你喂它看例子，它就慢慢学会认东西——这一节你要亲手当一回 AI 老师。先想一想：你觉得只给 AI 看几张照片，它就能认出没见过的水果吗？
先凭直觉猜一猜，不用担心猜得准不准。
① 挑例子，教 AI 分香蕉和苹果 🧺
点一点选中要喂给 AI 的例子——挑得越多、越全，它待会儿越聪明。选好后按「喂它看图」。
AI 的小脑袋还空空的，先教它吧～
点一点，选中要教给 AI 的例子。
② 考考它：这 3 个，它没见过 🔍
点「测一测」，看它能认出几个没喂过的水果。
点「测一测」，看看它能认出几个。
③ 想一想 🤔
怎么让它认得更准？
选一个最符合的答案。
你当了一回合格的 AI 老师！
以后想让 AI 认得准，看这 3 件事：
1例子要"够全"——各种样子都喂一点，不能只喂一种
2例子要"贴标签"——告诉它这是香蕉还是苹果，它才能学
3拿它没见过的东西考一考，才知道它是不是真学会了
不是魔法，是喂例子学出来的
训练就是给 AI 看带标签的例子，它从里面总结规律——不是背答案。
训练：给 AI 看例子，让它学会分辨。
进阶说法：用带标签数据拟合模型参数。
进阶说法：用带标签数据拟合模型参数。
深入一点：例子只要「多」就够了吗？
不只是多，还要「全」——各种样子都喂一点，它才认得全。如果只喂一种样子（比如只喂红色的），会怎样？后面的探险站我们就来当场揭晓，AI 会闹一个"偏心"的笑话～
深入一点：训练数据不够全，真的出过事吗？
2015 年，一款照片软件曾把黑人照片错误标注成猩猩，闹出很大风波——后来查出来是训练时用的人脸照片不够多样。这类真实事故提醒各家公司：训练数据一定要覆盖各种肤色、各种长相，不能只喂一种样子。
经验 +15
金币 +8
懂原理 +1