二、程序设计的不足
程序设计的是基于因果逻辑而进行的，有因就有果，那么过程的最终结果，不管是多少，最终是固定的。
但是我们***常行为，却很难通过这种简单的因果关系进行逻辑判断。
因为世界太庞大，世界太复杂，世界还很多的未知。想用通过简单的因果逻辑，就模拟复杂的世界，属于纯属痴心妄想。
所以，在人工智能领域，历史上试图通过程序设计这种方式来解决问题的，都失败了。

二、机器学习
回忆一下，我们在儿童阶段，解决日常问题的能力是如何出现的？
是父母的家庭教育、老师的学校教育、以及社会中的实践教育过程中，我们不断通过“学习-训练-反馈”的循环过程，得到了新的能力。
我们的这种学习过程，是一种自我学习过程，并不问其原因，而是基于经验反馈的方式：
“我先这样做，看看怎么样？我这样做，结果不行啊，我以后不能这样做”；
“我那样做，看看怎么样？我那样做，结果可以啊！我以后就这么做”；
我们的这种学习过程，还是一种外部学习过程，同样并不问原因，而是基于概率统计的方式：
“大多数人这样做，都行，那么我也这样做”；
“大多数人这样做，都不行，那么我也不能这样做”；
这就是机器学习的基本出发点，基于“概率统计”和“经验反馈”是机器学习，与传统的程序设计基于“因果逻辑”的最大的不同点。

四、机器学习
机器学习的过程
1、对当前大量的数据，先通过“概率统计”总结出一种待验证的方法，比如通过聚类算法，得出一种简单的逻辑猜测；
2、对后面的大量数据，使用这个猜测的逻辑，然后与数据结果进行比对，如果绝大多数都正确，那么这个逻辑就作为经验沉淀下来，否则就作为错误的方法废弃；
在新数据源源不断的输入，不断使用上面的过程进行，新的总结/验证。那么，这个经验总结就会不断的被数据修正，不断的趋向正确，不断的强化下来。
基于概率、基于反馈、基于总结，这是机器学习这种经验主义最大的特点，也是与传统程序设计这种基于因果关系的方法论，最大的不同点。
简单的说，就是经验总结 VS 因果逻辑。