第六章：什么是智能？

第1部分：输入和输出

每个计算机程序都接受一些东西（输入）并产生一些东西（输出）。想象你能想象的最简单的程序：

x = 3
print(x)

输入是数字3。输出是...数字3。计算机存储了一个值并将其重复出来。那是智能的吗？

第2部分：什么时候任务感觉"智能"？

现在想象一个非常不同的任务。有人给你看一张凌乱房间的照片——地板上的衣服、床上的书、一个半开的书包。然后他们要求你画一个快速草图来描绘那个房间。

你必须看照片，理解哪些物体在哪里，决定包括什么和排除什么，然后以正确的方式移动你的铅笔来在纸上表示这个场景。这比打印3令人印象深刻得多。

这是你的大问题：

第3部分：狗与猫

让我们把这个想法简化到对计算机来说仍然出人意料困难的事情上。

想一个幼儿——也许两三岁。给他们看一张狗的照片，他们说"狗狗！"给他们看一只猫，他们说"猫咪！"他们几乎每次都能区分这两者，即使对于他们从未见过的品种。

我们能让计算机做同样的事情吗？为了找出答案，我们需要一组标注好的样本——已经知道哪些是狗、哪些是猫的图片。这组样本叫做数据集。

第4部分：使用Google Teachable Machine教机器

我们将使用Google Teachable Machine训练自己的图像分类器——无需编程！

操作步骤

1. 打开 teachablemachine.withgoogle.com 并创建一个新的图像项目。
2. 创建两个类别：Dog 和 Cat。
3. 从数据集中上传图片到每个类别。
4. 点击Train Model，等待训练完成。
5. 测试一下！展示一张新照片（或使用摄像头），看看模型能否分辨出是狗还是猫。

第5部分：用线性回归进行预测

训练分类器后，我们转向一个更简单的任务：预测数字。如果你知道一个柠檬水摊在不同温度下卖出了多少杯，你能预测在75°F时会卖出多少杯吗？

这就是线性回归！它找到最适合你数据点的直线，然后用那条线进行预测。

线性回归找到最佳数字k（斜率）和b（截距）使预测准确。