上篇文章（人工智能启蒙（2）：机器学习的优势）我们讲了机器学习是实现人工智能的重要方式，相比基于具体规则的传统方式有很大的优势。
今天我们来讲下用机器学习解决实际问题的整个过程。
我们可以拿人类学习作为类比。
学校的教学目标之一是为了提高能力掌握技能，以便学生更好的解决问题。那如何衡量学生能力情况呢。通常是通过考试的分数来评价。如果学生分数高就认为能力不错，分数低则认为还需要继续提高。
每个学生会有很多课本、练习册、辅导书等学习资料，在老师的讲解下学习和巩固知识，通过考试来检测知识掌握情况。如果考试成绩不好，就说明知识还没有掌握，需要查漏补缺继续提高；如果考的不错的话就认为已经掌握了这种技能可以解决工作中的问题。
用机器学习解决实际问题的整个过程也是相似。
第一步定义问题，相当于把我们学习的时候能不能掌握知识的问题转化成学生考试成绩高低。
第二步收集数据，数据就相当于学习时候的教材、课本、练习册等学习资料。
一般我们会把数据分为两类，一类用于训练，一类用于测试，用来学习的一堆资料称为【训练集】，用来考试的一系列试题称为【测试集】，平时做练习的题目和考试的题目尽量不会相同，用于训练的和用于测试的数据也不能够相同。
第三步训练，相当于我们从书本、教材的学习过程。训练就是计算机从给到训练集中学习，结果就是为了让机器具有某种解决问题的能力，就相当于人类掌握某种知识技能用于解决问题一样，称之为【模型（model）】
第四步测试，相当于我们考试。利用测试集检验机器模型训练的情况。根据测试的结果和我们的具体要求来决定是直接进入第五步——应用，还是重新回到第二步——收集数据。
如果测试结果很好，就认为模型训练得很好，具备很好解决问题的能力，也就接着进入第五步，应用，以在生活中帮助人类解决实际问题了，比如说我们使用的人脸识别应用、Google翻译软件等。
如果测试结果不好，就认为模型训练的不理想，不够智能（也就是智障），那就需要继续收集数据继续训练，相当于我们根据考试成绩查漏补缺继续学习一样。
第六步，监测。我们也会在实际生活中根据应用使用的情况不断调整和训练，让应用更加智能更好的解决实际问题。
Google AI怎么样让之前提到的AI猜画小歌猜懂我们的画作呢？
AI猜画小歌猜懂我们画作就变成了能够正确分类我们的画作，比如说能正确分类345类我们的涂鸦。
根据定义的问题，收集这345个分类的数据，共有超过5000多万张涂鸦作为数据。
机器从收集到的画作中进行学习寻找规律，训练出能够分类345种画作的模型。
接着测试模型，给AI猜画小歌一堆训练时没有见过的画作（也就是测试集），根据AI猜画小歌猜测的准确率（相当于我们考试的正确率，比如满分100分，考90分，正确率就是90%）以及实际的使用场景来确定下一步。
比如说自动驾驶上，计算机一旦识别错误，那就很有可能导致路人有生命危险，那就要求模型的准确率更加的接近百分之百。比如说在家庭扫地机器人上的准确率相比就可以低一些，所以经常会听到调侃扫地机器人不是智能是智障。
如果准确率达不到要求，我们就要返回去重新收集数据重新训练模型，相当于我们我们考试没有通过，我们就要继续查漏补缺继续学习提高。
如果准确率还算满意，我们就可以进行应用环节。
前面的步骤都是在自己内部研发的人使用和改进。应用环节就是，让更多的人开始体验和使用，帮忙更多的人解决生活或者工作中的问题。比如我们常用的语音识别法、人脸识别工具等。
我们在玩的AI猜画小歌就是一个发布出来的应用。但是在体验使用的过程中我们也在不断的涂鸦，也会发现有时候AI猜画小歌也会猜错。AI小歌也会收集我们画的所有画作重新学习训练模型。
这也是监测环节在做的事情。收集数据和接受各类反馈，将解决不好的问题逐步的改进，逐步提高。慢慢的从智障变得越来越智能。
以上是机器学习解决问题的全部流程。
公众号【小小牛人工智能启蒙】，致力于通过有趣、好玩的方式将人工智能的基本概念和核心理念讲解给小朋友以及对此感兴趣的大朋友们。