（本文阅读时间：5分钟）
目前，人工智能主流的支持技术是机器学习和深度学习。二者有什么异同呢？文末为你揭晓！
在了解机器是怎么学习之前，我们先来回顾一下人类自己的学习过程。
人类是如何学习的？
设想一下，当我们听到“苹果”这个词时，我们会想到什么呢？是不是会想到那种又红又圆、酸甜可口的水果？
我们还可能会从苹果联想到苹果派，因为它是一种用苹果做馅料的点心。
如果，我们正在一家超市里，想买一些苹果，但一时又找不到，这时我们看到了香蕉，我们马上就会知道苹果应该就在附近。
▍关联学习
提到某个我们所熟悉的概念时，在我们的脑海里通常会出现一个对应的具体事物（苹果）。但我们的思维并不是到此为止，因为这个事物并不是孤立的，它会和其它事物产生关联。
过关联来学习，这是人类认识事物的方式。在人类的头脑中，有一个非常复杂的知识图谱，这个图谱的每一个节点都是一个能映射某种具体事务的概念，人类通过不断拓展知识图谱来学习这个世界。
机器是如何学习的？
机器自然不可能像人类那样去把概念具象化成某种事物。
机器能做的是：把所有的概念都转换成数值，把这些概念之间的关系转化成运算，通过这些数值的运算来展现这个世界上的万事万物及其关联。
不过，机器学习中最常用的数值和平时我们所说的数字不太一样。
平时我们说的数字都是标量（Scalar），而机器学习中使用的数值是一般向量（矢量，Vector）。此外，还会用到矩阵（Matrix）或张量（Tensor）。
▍机器可以把现实事物转换成标量/向量/矩阵/张量，再对它们进行运算，得出结果，并用这个结果来指导我们解决问题。
机器学习和深度学习
严格来说，深度学习其实是机器学习的一部分，但由于深度学习能够实现非常好的效果，而且现在对深度学习的投入和需求都很大，所以它现在上升到了和机器学习并列的地位。
如今人工智能主流的支持技术是机器学习和深度学习，具有三个共同要素：数据（Data）、算法（Algorithm）和模型（Model）。
计算机运行实现了算法的程序对数据进行运算，通过运算结果得到模型。然后利用得出的模型来预测新的结果。
那机器学习的3个主要流程是什么呢？请期待下期微软ATP与你继续分享AI入门知识！