「學習」不是一件事
你已經知道讓 人工智慧 區別於普通軟體的那一大步：不是由人把每一條規則寫死，而是讓程式透過「看資料」來變好。這就是機器學習。但「看資料」其實藏著一個真問題——*到底看的是什麼，又在努力把哪件事做得更好？* 這個問題的答案把機器學習分成三大類，你聽說過的幾乎每個系統都屬於其中之一（或把幾類拼在一起）。
這三大類是監督學習、無監督學習和強化學習。最乾淨的區分辦法，是問機器得到的是哪種回饋。監督學習對每個例子都拿到一個*正確答案*；無監督學習*完全沒有答案*——只有原始資料；強化學習則為自己行動的後果*偶爾*拿到獎勵。僅這一個區別——回饋長什麼樣——就承擔了絕大部分判斷工作。
監督學習：從有答案的例子裡學
監督學習是最常見、也最容易想像的一類。你給機器許多例子，每個例子都附帶正確答案。每個例子有特徵（它能看到的輸入）和一個標籤（你希望它給出的答案）。機器的全部工作，就是找到一個模型——一條規則——把特徵映射到標籤，好到足以應付它從沒見過的例子。
以垃圾郵件過濾器為例。你收集成千上萬封郵件，每封都已由人標好是*垃圾*還是*非垃圾*。特徵可能是出現了哪些詞、誰發的、含多少連結；標籤就是「垃圾/非垃圾」這個判定。過濾器研究這些有答案的例子，學出一條規則，再把規則用到全新的郵件上。我們期待的是[[generalization|泛化]]——從舊郵件學到的規律，對明天的郵件依然管用。
監督學習撐起了實用 AI 中的一大塊：辨識詐騙、辨識手寫、在掃描影像上標出腫瘤、預測明日的需求。它最大的長處同時也是它最大的代價——它需要有標籤的答案，而這些答案得有人（往往是真人）去造出來。一個只是把例子*背下來*、卻沒學到真正規律的模型，叫做[[overfitting|過擬合]]；它在學過的資料上看著很聰明，一碰到新東西就崩。
# supervised: every example carries its own answer
train on:
("win a free prize, click here", spam)
("lunch at noon?", not_spam)
("verify your account now!!!", spam)
learn rule: features -> label
new email -> rule -> guess: spam / not_spam無監督學習：沒有答案也能找出結構
無監督學習乾脆把答案表整個拿掉。你交給機器一堆沒有標籤的資料，問一個更柔和的問題：*這裡頭藏著什麼結構？* 沒有「正確」的輸出可對照——只有待浮現的規律。這讓它不如監督學習那樣齊整，卻正好契合一種常見情形：你有大量資料，卻幾乎沒有標籤。
最經典的例子是給顧客分群。一家店有每個人買了什麼的記錄，但沒人把他們歸成「類型」。像 k 均值 這樣的聚類方法，會審視整個資料集，把行為相似的顧客捆在一起——這邊是淘便宜的，那邊是週末囤貨的——而它從沒被告知這些群體的存在。是機器*提出*了這些分組；之後由人來看，再判斷它們是否真有意義。
除了聚類，無監督的思路還驅動著推薦、異常偵測（一筆與眾不同的交易可能是詐騙），以及把資料壓縮到只剩精華。這裡有個值得點明的麻煩：沒有答案表，你就沒法簡單地衡量「準確率」。要判斷發現的結構是否*有用*，得靠人的眼睛和領域常識——機器能分組，卻沒法告訴你這些組有沒有價值。
強化學習：靠試錯與獎勵來學
強化學習最不像課堂，最像訓狗或學騎車。這裡沒有一疊有答案的例子。取而代之的是：一個智能體在環境中行動，時不時收到一個獎勵——一個數字，告訴它*剛才做得不錯*或*剛才做砸了*。在一次次嘗試中，它調整自己的策略（選擇行動的方式），以求長遠拿到更多獎勵。
最有名的例子是下棋。要學會圍棋，系統會在一個「行動—觀察」迴圈裡下海量對局：它落子，棋盤隨之變化，直到最末才知道自己是贏是輸。就憑這點稀薄又滯後的信號，它一點點摸索出高水平的下法。DeepMind 的 AlphaGo 大體就是這樣達到了擊敗人類頂尖棋手的水平——這是貨真價實的里程碑，不是炒作。
強化學習在這種地方大放異彩：決策隨時間一步步展開、回饋又很稀少——遊戲、機器人控制、調度資料中心散熱、微調推薦。它也是三者中最「餓」、最難伺候的——可能需要上百萬次嘗試，這在模擬器裡沒問題，在真實世界裡卻很危險；而一個設計糟糕的獎勵，會教出恰恰相反的本領。「讓那個數字往上走」並不等於「做我真正想要的事」。
界線模糊之處——以及學習仍然做不到的事
在真實系統裡，這三大類自由地混搭。今天聊天機器人背後的大語言模型，先是靠在海量文字裡預測下一個詞來訓練——一種*自監督*的巧招，從原始資料本身裡變出標籤——之後再用「來自人類偏好的強化學習」來打磨。所以當你遇到一個光鮮的現代 AI，它通常不是某一種純方法，而是把好幾種疊在一起的配方。這三大類是字母表，不是整部文學。
也要留意這三者的共同點——以及它們的盡頭。它們無一例外都是從過去學習，並賭未來與過去相像；只要世界變得夠遠，再聰明的模型也會出錯。它們沒有一個是人類意義上「理解」的；垃圾郵件過濾器根本不知道電子郵件*是什麼*。而不論一個系統屬於哪一類，它依舊是[[narrow-ai|窄 AI]]——在受訓的那一小片上出類拔萃，出了那片就一片空白。AlphaGo 能輾壓圍棋冠軍，卻連跳棋的規則都說不上來。
請抓住核心觀念，而不是那幾個名詞：當一台機器的行為因經驗而變好，它就在學習；而那*種類*的經驗——有答案的例子、無標籤的資料、還是有獎勵的行動——決定了它屬於哪一類。帶著這個問題走進下一篇指南，我們將正面端詳今天的 AI 究竟能做什麼、不能做什麼，把真實的進展與那些喘著粗氣的承諾區分開來。