现代人工智能的主流看法是AI能自己学习获得规律，人需要设计与指导的是AI如何学习以及学习什么。
为了更直观的了解整个学习过程，我们来进行一个思维实验，也就是猜硬币正反面的思维实验。
一种直观的想法是：硬币有两个状态，正和反。默认这是一枚公正的硬币，正和反的概率都是50%。这里就出现了人工智能的第一个要素-“对象假设”。我们的对象假设是这个硬币只会出现正或反，不会出现立着的情况。
我们可以把模型想象成是一个Python字典，字典的key是正或反，这两个key的value就是对应的概率。整个过程从输入开始，就是我们要猜的概率，比如输入是“正”，就在字典里查找“正”对应的概率值，然后输出这个概率值。这里就出现了人工智能的第二个要素-“模型设计”。这里我们的模型是一个字典。
我们继续猜正反的思维实验，我们开始扔硬币，总共仍了1000次的硬币。我们发现出现了800次的正面和200次的反面。那我们是怎么思考的呢？
从扔了1000次的结果，我们可能要考虑的是硬币是不是灌了铅。所以这里就接触到的第三个要素-“学习对象”，我们的学习对象是灌了铅的硬币。我们原本的正或反的对象假设还要加入一个概率分布的假设，毕竟扔了1000次的硬币之后出现这样的结果不会是巧合。
第四个要素就是“学习原则”，也就是我们模型生成的答案应该要与看到的事实是最相符的。为了输出跟事实最相符的答案，我们调整模型的参数，正的概率为80%，负的概率为20%，这样和观察到的结果就一致了。
那么我们建立了一个什么样的思维过程呢？我们先设置一个默认的参数，再从学习对象所呈现出的结果去修改模型的参数，确保修改后的参数，会让模型输出看到的答案是一样的结果。
从这个思维实验我们可以看到AI学习的四个要素：对象假设、学习对象、模型设计和学习原则。首先由人来设计模型并通过先验知识去制定学习的原则。然后AI基于这个学习原则，从学习对象呈现出来的结果来调整模型的参数，这就是AI的整个学习过程。