上都是在玩概率的游戏，不同的只是在模型训练时需要的信息不同，以及计算出来对应“大猩猩”的判定方式不同。
当前所有被广泛应用的知名模型，都是通过矩阵运算训练数据来获得某种概率分布。
复杂模型的概率分布通常是高维的，这里又会引申出各种数学方法，但本质的思想依旧是想通过概率分布来描述训练数据的特征。
有了这些，就可以使用相同的概率分布去描述同类的数据，从而实现所谓的“识别”或“预测”。
实际上，并非模型真的像人类一样理解了什么是“大猩猩”，只是通过这种方式，模型能够大概率得把长得像某些特定目标的图片识别出来。
现在很多人把人工智能分为强人工智能和弱人工智能。
其中强人工智能就是“传说中”的人工智能，甚至不少人追求让计算机拥有人类的心智与意识，具有自主选择行为。
但是强人工智能的研究难度较大，市面上还没有成熟的应用。
而弱人工智能更像是一个解决特定问题的工具。
这类问题的特点是可以通过统计，归纳出经验并形成解决方案，而这种解决问题的实现方法被称为“机器学习”。
并且数据越精确越好，越单一越好，一