AI 的三种学习模式

引言：两个让世界震惊的 AI

2012 年，杰弗里·辛顿（Geoffrey Hinton）和他的学生用 AlexNet 证明了一件事：只要有足够的数据，AI 就能学会"认图"。他们用了 120 万张带标签的照片——每张照片都附带标准答案："这是猫""这是狗""这是汽车"。AI 看了 120 万张照片之后，学会了识别 1000 个类别的物体。

仅仅四年后的 2016 年 3 月，另一个 AI 震惊了世界——AlphaGo。它以 4:1 击败了围棋世界冠军李世石。更震撼的是 2017 年的 AlphaGo Zero：它不需要任何人类棋谱，完全靠自己跟自己下棋，3 天内自我对弈 490 万局，就以 100:0 的比分击败了曾战胜李世石的 AlphaGo。

你看到问题了吗？

• AlexNet 需要 120 万张带标签的照片，必须有人告诉它"这是什么"，它才能学会；
• AlphaGo Zero 不需要任何人类数据，自己就能学会下棋。

同样是 AI，为什么学习方法差这么多？

今天我们就来聊聊 AI 的 三种学习模式：监督学习、无监督学习和强化学习。

一、监督学习：手把手的教学

AlexNet 用的方法，叫作 监督学习（Supervised Learning）。

一个生活化的比喻

想象你教一个 3 岁的孩子认水果：你拿起一个苹果说"这是苹果"，拿起一根香蕉说"这是香蕉"，重复几十遍之后，孩子看到苹果就能叫出名字了。

监督学习的核心就是这样——你得告诉它答案。AI 看一张照片，你告诉它"这是猫"；AI 看另一张照片，你告诉它"这是狗"。看了几万张、几十万张之后，AI 就学会了"什么样子的是猫，什么样子的是狗"。

这种方法要求每张照片都必须带标签，也就是有一个标准答案。就像老师批改作业：学生做题，老师给答案，对了继续，错了纠正。

🎛️ 互动动画：你来当 AI 的老师

下面画布里的灰色点其实分属两类。先选择“标为猫”或“标为狗”，点击灰点给出标准答案；每类标至少 2 个后，点“训练模型”，看 AI 怎么画出分界线，并把剩余没标记的点自动归类。

那 120 万张照片是怎么来的？

答案是：有人花了两年多时间，一张一张标注出来的。这个人，就是斯坦福大学的华人教授 李飞飞（Fei-Fei Li）。

2007 年，李飞飞开始思考一个问题：为什么 AI 认不出猫？

当时几乎所有 AI 研究者都在想办法改进算法——怎么从图片里提取更好的特征，怎么让 AI 判断得更准确。但李飞飞想到了另一个角度。她的背景很特别：本科读物理，博士研究计算机视觉，同时还研究认知神经科学（也就是研究人类大脑怎么工作）。这让她习惯从"生物智能"的角度去思考"机器智能"。

她想：一个 3 岁的孩子是怎么认识猫的？

如果把孩子的眼睛当作照相机，眼球转动一次等于按一次快门，那么一个 3 岁的孩子就已经"拍摄"了上亿张照片。孩子是通过海量的视觉经验学会认识世界的。

于是李飞飞意识到：AI 缺的不是算法，是数据。

当时最大的图片数据库只有几万张照片，对 AI 来说太少了——就像你只给孩子看 10 张猫的照片，他怎么可能真正理解"猫"是什么？

所以李飞飞决定建立一个足够大的数据库，让 AI 像孩子一样"通过看"来学习。这就是 ImageNet 的起源。

ImageNet：人类历史上最大的标注图片库

2007 年，李飞飞带领团队开始建立 ImageNet，目标是 1500 万张照片、22000 个类别，而且每一张都有标签。

这是一个"疯狂的计划"。李飞飞算过一笔账：如果雇佣本科生标注，每小时 10 美元，需要 90 年才能完成。但她没有放弃，而是找到了 Amazon Mechanical Turk（亚马逊众包平台），把标注任务分给全世界的志愿者。每个人只标注一小部分，最终来自 167 个国家的近 5 万名志愿者参与了这个项目，他们从近 10 亿张候选图片中筛选，每张图片经过三重验证，确保标签准确。

2009 年，ImageNet 正式发布：1500 万张照片、22000 个类别，每张都有标签。这是人类历史上最大的标注图片数据库。

有了这个"教材"，AI 研究者终于有了足够的弹药。2012 年，辛顿的团队用其中的 120 万张照片训练 AlexNet，最终识别错误率只有 15.3%，比第二名低了 10 个百分点。

这是监督学习的胜利，也是李飞飞"给孩子看足够多图片"这一洞见的胜利。

标注的代价：你能想象有多难吗？

你可能会好奇，标注数据到底有多难？

假设你要训练一个 AI 识别"健康苹果"和"腐烂苹果"。你拿到一张照片：苹果有一小块凹陷，但整体还好。你会怎么标注？健康，还是腐烂？你可能会犹豫——这正是标注数据的难点：标准不明确时，人也会犹豫。而 AI 学到的，就是你标注的结果。

你标"健康"，AI 就学到"有点凹陷也算健康"；你标"腐烂"，AI 就学到"只要有凹陷就是腐烂"。AI 最终取决于你怎么教。

再算一笔账：标注 5 张照片可能需要 1 分钟。ImageNet 有 1500 万张照片，如果让一个人标注，按每张 1 分钟计算，需要 25 万小时，也就是连续工作近 30 年。这就是为什么李飞飞动员了 5 万名志愿者，才在 3 年内完成标注。

这，就是监督学习的代价——数据标注的成本非常高。

二、无监督学习：自己摸索规律

标注数据太贵了。有没有不需要标注的学习方法？

有，这就是 无监督学习（Unsupervised Learning）。

乐高的比喻

想象你给孩子一盒乐高积木：你不告诉他怎么拼，也不给他图纸，孩子自己玩。玩着玩着，他发现红色的积木可以放在一起，长条形的积木可以搭成墙，圆形的积木可以当轮子——他自己摸索出了规律。

这就是无监督学习的核心：没有标准答案，AI 自己找规律。

🎛️ 互动动画：AI 自己找规律

这次没人给答案。你可以直接在画布空白处点击撒点，或点“随机生成”；再点“运行聚类”，观察 AI 如何把距离更近、形态更像的点自动归成不同颜色的一群。

谷歌猫实验

2012 年，就在 AlexNet 夺冠的同一年，谷歌也在做一个实验，叫作 "谷歌猫"（Google Cat）。

谷歌从 YouTube 下载了数百万个视频，提取了约 1000 万张图像。关键是：这些图像没有标签，没人告诉 AI"这是猫""这是狗"。AI 只是看了 1000 万张之后，自己学会了识别猫。

它是怎么做到的？它发现有一类图像具有相似的特征——尖耳朵、圆眼睛、胡须、四条腿——于是把这些图像归为一类。虽然它不把这类东西叫作"猫"，但它知道"这些东西长得很像，应该是同一种东西"。这就是聚类，也是无监督学习的核心方法之一。

把"谷歌猫"和 AlexNet 放在一起对比

对比项	谷歌猫（无监督）	AlexNet（监督）
数据	约 1000 万张无标签图像	120 万张带标签照片
算力	16000 个 CPU	两块 GPU
训练时间	3 天	5~6 天
成果	学会识别猫，准确率 74.8%	学会识别 1000 个类别，错误率 15.3%

谷歌猫用了更多的数据和计算资源，却只学会识别"猫"；AlexNet 用更少的资源，却学会了识别 1000 个类别。

这说明什么？

• 没有标签，AI 学得慢，需要更多资源才能摸索出规律；
• 而且 AI 只能发现"这些东西长得很像"，但不知道它们叫什么——你想让 AI 告诉你"这是猫"，还得再给它标签。

那为什么还要用无监督学习？

前面说了它的优势：不需要标注数据。

• 你有 100 万张照片，想让 AI 自动分类成"人物、风景、美食"，但没钱标注——可以用；
• 你有大量用户行为数据，想找出不同类型的用户，但没人告诉你答案——可以用；
• 你有海量文本，想让 AI 自己发现主题，不可能一篇篇标注——可以用。

更重要的是，无监督学习在现代 AI 中的地位，比你想象的重要得多。

比如 ChatGPT，它的预训练阶段用的就是无监督学习——让 AI 阅读海量文本，自己学会语言规律。这个阶段占据了大部分训练时间。

图灵奖得主 杨立昆（Yann LeCun） 曾有一个著名的比喻：如果把智能比作一块蛋糕，蛋糕的主体是无监督学习，监督学习只是上面的糖霜。

不过要注意：监督学习需要标注数据，无监督学习不需要标注，但仍然需要预先准备好的数据。

三、强化学习：在试错中成长

有没有一种方法，不需要预先准备数据，AI 自己"边试边学"？

有，这就是 强化学习（Reinforcement Learning）。

骑自行车的比喻

想象你教孩子骑自行车：你不会给他一本《骑自行车教材》，也不会让他看 1 万个人骑车的视频，你直接让他骑上去。摔倒了，爬起来再试；骑稳了，很好，继续。几次之后，孩子就学会了。

这就是强化学习的核心：通过试错，从奖惩中学习。

🎛️ 互动动画：看 AI 从乱撞到找捷径

机器人一开始不知道路怎么走。点“看它学一步”观察一次完整试错，或点“快进训练 ×200”让它大量练习；你还可以点击任意空白格子，把终点移过去，再重新训练它。

AlphaGo 与 AlphaGo Zero

开篇提到的 AlphaGo，用的就是这种方法（准确地说，是监督学习 + 强化学习的组合）：

1. 第一步，监督学习：先让 AI 学习人类棋谱，学会人类是怎么下的；
2. 第二步，强化学习：让 AI 自己跟自己下棋，赢了就记住这个策略，输了就调整策略。

下了几百万局之后，AI 的棋力超越了人类。

但故事还没结束。2017 年，DeepMind 发布了 AlphaGo Zero，这个版本更震撼——它完全不需要人类棋谱。它从零开始，只知道围棋的规则，然后自己跟自己下棋：第一局随机走子、乱下一通；第二局稍微好一点；第三局又好一点……3 天内，它自我对弈了 490 万局。

490 万局是什么概念？一个职业棋手一生大概下 1 万局棋，AlphaGo Zero 用 3 天，下了 490 个职业棋手一生的棋局。

结果呢？3 天后，AlphaGo Zero 以 100:0 击败了 AlphaGo Lee（就是那个战胜李世石的版本）。40 天后，它超越了所有旧版本的 AlphaGo，而且因为不受人类棋谱的限制，它甚至发现了人类从未想过的下法。

强化学习是怎么工作的？

核心是奖励机制：AI 做了一个动作，会得到一个反馈——好的动作得到正反馈（奖励），坏的动作得到负反馈（惩罚）。AI 的目标，就是最大化长期的累计奖励。

强化学习的优缺点

优点：不需要人类标注，可以自己探索。没有标注数据没关系，AI 自己试；你不知道答案没关系，AI 自己找。只要你能定义"什么是好的结果"，AI 就能通过试错找到达到这个结果的方法。

缺点：需要大量试错。AlphaGo Zero 下了 490 万局棋才超越人类——这 490 万局对弈，就是它的"数据"。如果在真实世界里，这个成本是无法承受的。

比如你想用强化学习训练自动驾驶，让 AI 自己开车，撞了就是负反馈，没撞就是正反馈。但问题是，AI 可能要撞几万次才能学会不撞——这在真实世界里是不可能的。

所以，强化学习主要用在可以构建虚拟环境的场景：游戏 AI、机器人仿真、自动驾驶模拟器……这些场景可以让 AI 在虚拟世界里无限试错，学会了再应用到真实世界。

总结：三种学习模式对比

学习模式	核心方式	需要什么	一句话理解
监督学习	手把手教	带标签的数据	像老师批改作业，你告诉它答案
无监督学习	自己摸索规律	大量无标签数据	像玩乐高，没人教，自己找规律
强化学习	通过试错成长	奖励信号	像学骑车，摔几次就学会了

不同的任务，需要不同的方法：

• 要让 AI 认图、判 spam、做医疗诊断，监督学习最合适——前提是你能提供标注；
• 要给用户分群、给文本聚类、给大模型做预训练，无监督学习是主力；
• 要训练游戏 AI、机器人、自动驾驶策略，强化学习大显身手——只要你能搭一个可以无限试错的虚拟环境。

结语：这些 AI 就在你身边

现在你知道了这三种学习方法。但你可能想知道：这些方法到底用在哪里？

其实就在你身边。你每天刷短视频、用美颜相机，这些功能背后都是 AI——而且这些 AI，早在 ChatGPT 出现之前，就已经深度融入了你的生活。