什么懂得了什么？简单的说，人工智能通过分析大量数据，总结规律，进而进行预测和决策，这形成了它“懂得了什么”的过程。
② 数据学习：信息的奠基
AI学习建立在海量数据之上。 例如，一个识别猫的AI模型需要先“看”过成千上万张猫的照片。这些数据包含各种猫的品种、姿势、光线条件等信息。 AI通过分析这些数据，才能识别出猫的共性特征，区分出猫和狗，甚至区分不同品种的猫。 再例如一个翻译软件，需要大量的英汉双语的文本作为数据支撑。 这保证它逐步学习，最终能够完成翻译功能。学习所需的数据信息越多越广泛, AI最终理解能力就越高！
③ 规律总结：模式的提取
AI并不只是简单的记住数据，它会通过算法找到这些数据间的规律和模式，比如猫常常具有尖耳朵、胡须，以及一些特定的身体轮廓。 这些模式是AI进行预测的关键点。 比如，一个预测天气系统的 AI不会简单的储存过去几天的天气记录。它将通过复杂的统计手段推算天气转变规则以及其中的变量。 通过找到这些模式之后，系统有了一点点对世界的理解.
④ 预测决策：知识的应用
在掌握了规律和模式后，AI就能进行相应的预测和决策， 例如识别一张新的图片中是否有猫，通过以往的历史数据预测未来的销售量又增加多少。 这个预测以及决策的过程就相当于表明它对现有信息有了一些自身的更深的理解。这就是为什么人们觉得一些AI“懂了”，因为可以对情况进行判断和预测.
⑤ 持续进化: 反馈矫正
AI学习是一个持续迭代优化的过程。通过大量新的数据的补充，以及通过用户的反馈， 修正现有成果。 如果AI识别错了一种生物而将之作为猫标识，人类可以把它标识的错误纠正以及反馈给AI，修正它的错误的识 别信息及模型算法. 这种持续学习的过程能让AI持续进行知识调整优化以应对未来的需求，逐渐趋于完善！
常见疑问
Q1: AI真的“懂”了吗？
A1: AI并非具备人类意义上的理解和意识。它只是通过其庞大的知识库和大数据推断出对事件发展的可能性进行预估评估并做出结果反馈. 其掌握及应用信息的运作方式，同 人类获取知识利用思考能力后的智能成果，有着本质的区别.
Q2: AI会不会超越人类？
A2: 目前AI尚处在发展的初期，我们更不必为此过于担心与渲染过度夸大; 它仅仅是特定的场景中的特定任务执行的高效化替代罢了. 未来的发展前景，需要建立在对技术的稳步、客观及正确的了解上而不是凭借模糊或过于偏执与空想式的猜测, 才能客观理性的进行评估！