将这样一个训练数据提供给机器学习算法，训练结束之后，它会学习出一个关于读者的特征和该读者是否帅之间关系的模型。

此时再让它来判断一个新读者是否帅，他便会根据这个训练模型给出一个该读者帅的概率和不帅的概率。

显而易见，只要给机器学习的训练数据量越大，那么其学习后得出正确结论的概率也越高。

正因如此，机器学习才被广泛运用到很多工作场景之中，比如道路摄像头拍照后直接识别驾驶员当前驾驶状态是正常驾驶、抽烟、打电话、单手握方向盘、和乘客聊天还是在做其他事。

如此强大的学习能力再结合上同样先进的人工智能技术，人们会担心所谓的智械危机也就不足为怪了。

但这篇论文所提到的机器学习和顾枫基于前世认知所了解到的机器学习又有比较大的区别。

基于该世界更为先进的人工智能技术和数字生命技术，机器学习可以直接做到语言教导和行为教导。

这就和父母教导孩子什么是猪，怎么写字是一个道理。

其实本质上这个过程又回归到最原始的算法，即程序员通过算法让计算机做一些事。

只是在这种数字生命领域的机器学习之中，数字生命可以自动识别它听到的话和看到的现象，然后自行生成一段新的代码，这段新代码便是它对一段话或是某种现象学习产生的认知。

尽管当前依旧没有真正诞生第一个数字生命，但人们对于这种技术下诞生的人工智能是远比前世那种人工智能要放心得多的。

毕竟在数字生命的限制下，这种形式的人工智能是无法通过自由穿梭互联网从而快速学习的，它也必须和人一样，需要去听、去看、去做，才能逐渐学习进步，提升自己的认知和能力。

顾枫心中毫不吝啬给科学家们点了个大大的赞。

这样的技术，不用在游戏领域，简直就是暴殄天物。

前世早在他穿越的十几年前，就已经有不少游戏打出了ac的噱头吸引玩家，也就是号称有ai的nc。