2016年标志着人工智能进入了一个全新的阶段。这一年，AlphaGo击败了围棋世界冠军，引发了人们对自身智能的深刻反思；微软的语音识别技术超越了专业速记员的表现；斯坦福大学的ImageNet系统已经能够解读图像中的场景；IBM的超级计算机Watson在日本仅用十分钟就完成了41名患者的诊断，成功救治了一些棘手的白血病患者。2017年2月，Watson还在中国天津为20位癌症患者提供了义诊服务；特斯拉的自动驾驶汽车也已经在交通中自如穿梭；机器创作的歌曲、绘画、诗歌、小说和电影等作品也取得了令人瞩目的成就。

现在的AI已经不再是几十年前那些只会按照固定规则推演的机械装置。它们更像是我们精心培养的智慧生命体，与人类共享着类似的智能根源。而这一切的背后，关键在于机器学习。我们不再需要直接指导它们如何操作，而是提供各种样本供它们学习，从而自主做出判断。

那么，什么是机器学习呢？简而言之，这是一种让计算机通过输入样本，不断调整数学模型参数的过程，从而使模型能够准确应对新的输入。这一原理早在几十年前就已经应用于模式识别领域。随着计算能力的显著提升，现代计算机能够处理海量的模型参数和训练样本，从而展现出惊人的智能水平，这就是我们所说的机器学习。

测试人的智商通常包括解答一系列问题，这些问题往往包含图形、数字或词语等样本，要求受测者从多个选项中选出最合理的答案。这种测试不仅考察受测者的现有知识，还评估其类比推理的能力。计算机的学习算法正是模仿了这种类比能力，赋予了机器一定的“智商”。人类通过学习获取新知，而计算机则是通过调整数学模型参数来实现学习功能。在这些数据样本中隐藏着丰富的信息，经过适当的训练，机器便能掌握相应的知识，具备处理同类数据的智能。