人工智慧越來越猛 有一天學校保安一定會被機器戰警給取代 那麼機器戰警胸腔裡的電腦一定要裝著一條統計函數來促使機器戰警的逮捕行動 假設這條函數如下:

自然對數（校園槍擊勝算）＝9.87＋0.45是否白人＋0.88是否帶槍＋0.56嫌犯身高

很明顯的 以上這條函數就是邏輯回歸等式   機器戰警腦袋裡的攝像頭可以接收三個特徵數據(1.是否白人 2.是否帶槍 3.嫌犯身高)   

於是   發生校園槍擊案的機率就可以被計算出來   然後再加入一個計算項  (比如 0.5) 那麼只要整體函數值大於0.5(表示槍擊的機率大於50%)   機器戰警就會啟動逮捕機制  

要和美國人溝通要學習英文   要和機器人溝通要學習編程語言   所以人類要把以上的邏輯回歸等式以及決策計算項寫成編程語言(例如 python) 輸入機器戰警胸腔裡的電腦 

這樣就夠了嗎?  顯然不夠 因為我們希望機器戰警能變聰明 所以編程裡面一定要寫入叫機器戰警用新的數據不斷訓練來生成最小損失函數的模型   優化機器戰警的反應

回歸分析所生成的模型就是那一條回歸等式  損失函數小代表預測值與觀察值之間的差異小(也就是殘差小 代表預測力高)   那什麼是訓練?  我們知道樣本量越大算出來的回歸係數估計值信賴區間理論上會越貼近母數 所以機器戰警每天在校園閒晃就會不斷湧入新數據 這些新數據會越來越多 那麼就可以優化回歸分析模型 這就是訓練 會讓機器戰警變聰明(這就是機器學習)

相信讀者已經發現統計和人工智慧之間的關係 似乎是換湯不換藥  但是有一個差異點是某些學者一直在強調的 那就是人工智慧因為省了推論檢定的各種假設前提 似乎更能走出屬於自己的一條道路 而這一條路或許會發現推論統計所無法發現的新大陸