前面谈到，你肯定有以下三个疑问：哪来这种神奇黑箱？怎么奖励一个机器？机器怎么建立条件反射？这三个问题就对应了“模型结构”、“损失函数”、“训练过程”。
第一个问题，如何搭建神奇黑箱？——模型结构（11:00）
有没有一种能自我学习的的强大黑盒，无论什么样的对应关系都可以表示和学会？
首先介绍一个人工智能流派——联结主义（connectionism）。它认为大自然已经给出了答案，就是人类精妙的大脑，只需要通过仿生的方式，只需要模拟神经元的复杂功能。下图就是一个感知机的基本原理，通过设定不同的参数，给每个参数一定的比值，得到最终yes or no的判断。
中学的时候我们学过，神经元通过电信号传递信息，其中树突接受不同神经元的电信号，轴突将自己的信号传递给其他神经元。感知机就类似一个神经元。
1957年，康奈尔大学的罗森布拉特造出了人类第一台具有实际应用价值的感知机。这台感知机将图片的像素作为输入，通过算法调整参数，不断学习，最终可以识别一张图片是男人还是女人，或者是左箭头还是右箭头。这在当时引起了巨大的轰动。因为要让计算机理解图片内容非常困难，因为对计算机来说，图片就是一堆的像素的数值。所以识别图片的内容，本质上就是给了计算机一大堆数字的矩阵。这个领域就是计算机视觉（CV）。
1958年，纽约时报（New York Times）做了详细报道，说这是一个可以行走，聊天、看、写、自我复制、有自我意识的电子计算机雏形。文章非常乐观的估计，一年之后这些将实现，未来感知机将能够识别不同的人，叫出他们的名字，并可以即时的将演讲翻译成另一种语言。
但我们知道，这一切到最近才被实现。所以，真心也好忽悠也罢，人类对自己不了解的东西都很容易过于浪漫，对未来过分乐观。历史上，每当人工智能取得一点点进步，人们就开始赋予它无线能力的想象，畅享与AI大战的场景。
所以，回到前面的问题，如何搭建一个有学习和进化能力的重名黑盒子？上面说的感知机是一个简单的例子。专业的说法，这些东西都叫“模型”。（20:15）