看机器学习时，重点不只是名称，而是它解决哪类问题、依赖哪些条件以及落地成本。

先看原文给出的关键信息：举个例子：让电脑判断一张图片是否违规。；传统编程的做法是程序员手写规则：出现“两点”，可能违规出现“某宗教名”，可能违规出现断手断脚，可能违规但现实中的图片千变万化，规则很难写完。；机器学习的做法是：给电脑看几十万张已经标注好的图片，并告诉它哪些是违规图片、哪些是正常邮件。。继续往下处理时，重点放在这些条件上：电脑会从中寻找规律，接着学习出一个用于判断的“模型”。；这里的模型，能先理解成电脑学习后得到的一套复杂判断做法。；它是怎么学会的机器学习一般分成三个阶段：准备数据例如收集10万张图片，并标注哪些是违规图片。。收尾检查时，再把这些细节对上：它先猜一封邮件是不是违规图片，接着和正确答案比较。；使用模型训练完成后，把一封从没见过的新图片交给它。；模型可能会回答：违规图片概率：96%这个真正使用模型得到答案的过程，叫做推理。。