媽媽指著自己的眼睛說「這是眼睛」。
嬰兒也指著媽媽的眼睛說「這是眼睛」。
假設此時這個過程嬰兒已經學習了「眼睛」是什麼，那麼此時嬰兒只接受了一次有標籤資料，如果此時給他一條魚，指著魚的眼睛問嬰兒這是什麼，若嬰兒答出這是眼睛，那麼如果能知道嬰兒學習的原理，我們同樣可以用於機器學習，通過這樣減少更多訓練的資料，並且可以判斷更多的同類。但是寶寶們如何學習，這估計要請教人類學、神經學、教育學的專家了。
而這個結果我們還需要考慮很多因素。例如，嬰兒在確認眼睛是「眼睛」時，可能會出現他指著媽媽的嘴巴說：「媽媽你的眼睛沒擦乾淨」，然後他媽媽糾正說「這不是眼睛，是嘴巴」的糾正過程。
作為乙個成年人，我們回頭去設想，我們在嬰兒時是如何認知眼睛的，可能每個人認識過程是不一樣的，我們的關注點可能是：
「眼睛長在臉上」
「眼睛有白色的有黑色的」
「眼睛會眨，有眼皮」
「眼睛長在鼻子上面」
「眼睛長在嘴巴上面」
「眼睛成雙出現」等等
但是如果我們只有人眼的標籤，如何過度到，識別魚的眼睛（因為他沒有眼皮，不會眨眼），識別**人物的眼睛（因為它極具創造性，可能嘴巴長在眼睛上面，也可能只有乙隻眼睛）等等，與我們所知道的特徵相矛盾。或許人腦就像計算機，可能我們表述不出很準確的特徵，因為我們不由自主的理解了一些高於三維的資訊。
而如果辯證的看待問題，機器也可以不按照人類的成長歷程來進行學習，雖然按照機器的計算速度、人類的學習模式，機器可以比人類花更少時間學習同一件事情。但也可以像從其他方面解決這個問題。而毫無疑問的是，根據人類學、生物學、神經學給機器學習提供了很多新思路。
一些胡思亂想
大 戰略是什麼，哪個才是業務重點，局外人誰都說不好，拒阿里巴巴內部人士透露，目前業務重點是打造成出乙個全球一體的批發網路。現在大家都在搶入口，什麼是入口呢，小時候百貨商店，商場是入口，裡面有各種供貨商在供各種各樣的商品，商場通過地理 規模等因素控制了使用者，簡單來說就是坐莊，首先燒錢，做規模，坐莊。...
一些胡思亂想
比如很簡單的乙個斐波那契數列，如果純粹從數學上來說，那就是 quote f n f n 1 f n 2 當n 1時，而n 0時f n 0,當n 1時，f n 1 quote 很容易我們就可以直接翻譯為程式 define f n cond n 0 0 n 1 1 else f n 1 f n 2 這就...
一些語音識別的概念
呼叫日誌 call logging 語音識別的呼叫日誌在系統中有著非常重要的作用，該日誌記錄了輸入的音訊 載入的語法 識別過程的中間結果 識別模組呼叫過程 識別使用的各種引數 識別結果以及當時的系統環境資訊。這些資料是效果分析的依據，詳盡的call log是效果優化的基礎。說話人自適應 當使用者多次...