什么是机器学习

和传统编程的区别

传统编程：人写规则 + 数据 → 答案。

机器学习：数据 + 答案 → 规则（以模型权重的形式存在）。

所以它的上限由数据决定：数据里没有的模式，模型学不到；数据里有的偏见，模型也会学走。

三种训练方式

• 监督学习：每条数据都带正确答案（分类、回归）。
• 无监督学习：不给答案，让模型自己找结构（聚类、降维）。
• 自监督学习：从数据本身造出答案。语言模型就是这条路——把句子的下一个词遮住，让模型猜，文本自己就是标注。

训练与推理

训练只做一次（或很少几次），很贵，贵在算力和数据；推理要做很多次，单价低但量大。

这解释了一个常见现象：模型本身不要钱，用起来才要钱。

三个常见误解

• 「模型理解了业务」：它拟合的是数据里的统计关系。规则变了、场景换了，要重新给例子。
• 「效果不好就换个更大的模型」：先看数据。标注错、样本偏、覆盖不全，换模型也救不回来。
• 「训练过的模型会自己更新」：不会。上线后的模型是冻结的，除非你重新训练。

三种方式对比

对比	监督	无监督	自监督
数据	带标签	不带标签	从数据自身构造标签
典型任务	分类、回归	聚类、降维	预训练语言模型
成本	标注贵	便宜	算力贵

延伸阅读

• AI 的三层划分：什么是 AI
• 自监督训练出来的模型：什么是 LLM