首先說下AI的場景化應用越來越多了，比如智慧互動機器人，自動駕駛L4級別資質，再比如人臉識別等等，有了可應用可涉及的應用場景，相信AI越來越有市場，越來越造福人類。

第一種叫監督式學習。監督就意味著說需要一個裁判來給每次人工智慧的訓練進行打分，監督AI不斷自我修正迭代，以表現更好。這個裁判本身就是一個program，一個死板的把每次神經網路的表現進行打分而已。對應於訓練資料而言，意味著說每一組訓練資料，都要配上一個正確的答案，方便program評估神經網路的每一次訓練效果。

第二種叫非監督式學習。不同於監督學習，他不需要一個裁判對每次訓練結果進行打分。那麼是不是說訓練的資料就不需要配對一個正確答案了？說的對極了，非監督式學習，只需把訓練資料帶入進去即可，不需要管資料的內部結構，AI會自己發現數據中隱含的規律，並對資料進行分類、聚類。

第三種叫增強學習。這種方式其實就是前面兩種的一個結合，不過和前面兩種比較起來，有很大差別。增強學習，簡單來講，就是做對了給獎勵，做錯了給懲罰，超級簡單粗暴。