一小时后，方鸿再次来到了量化资本总部。

陈宇的助理前来接待他，领着他向着招待室走去，并说道：“方先生，陈总正在技术部开会，您稍等，我去知会他一声。”

方鸿如是说道：“不用，直接带我去他的会议室，我去旁听一下。”

闻言，陈宇的助理拿出手机给他发了个信息，很快陈宇就回消息，这位助理转而看向方鸿微笑道：“方先生，您这边请。”

不一会儿，方鸿便来到了陈宇所在的会议室，在场有三十多号人，看到走进来一个陌生的青年，大家都颇为好奇的打量了一下。

他们发现方鸿跟自己老板陈宇的年龄差不多，但不同的是，他们从方鸿身上感受到了一种在这个年龄阶段所没有的上位者气场，这让大家意识到这个陌生青年不是一般人。

此刻，陈宇看到方鸿与之相视点头致意，后者微微一笑便在会议室里默默地找了个位置坐下旁听。

陈宇收回目光，转而环视一众与会者继续说道：“……对于人工智能的基本实现思路，机器学习的过程，简单的说就是电脑到底是如何自我学习的。”

“因为计算机的一切运算，其基础都是数学运算，所以任何机器学习的思路，归根结底就是把一个实际问题转化为数学问题。为了让计算机能够预测或者识别什么东西，就需要先构造一个数学函数，这个数学函数就叫预测函数。”

一般人可能很难想象，量化资本作为一家多元金融公司，在大多数股民眼里甚至就是一家非银金融投资公司，掌门人也是做投资交易的，却在公司里谈论这些内容。

不过方鸿是很淡定，这其实很正常，华尔街就是汇集了一群顶尖的数学家、物理学家。

此刻，陈宇转而看向会议屏幕道：“比如预测一个吃饱饭的函数，就可以描述成[吃饱=N碗饭]，这个预测计算到底准不准？一个人吃几碗饭和吃饱之间的关系有是什么？是吃一碗还是三碗才能吃的饱？”

“这就需要实际去试一下，如果预测是两碗饭吃饱，但实际要吃三碗饭才饱，其中一碗的误差就是损失，描述这个损失的函数即[3-N=1]，这就是损失函数。”

“机器学习就是通过不断尝试让这个误差达到最小的过程，寻找损失最小值的方法通常是梯度下降，一旦我们找到了最小误差，就会发现当[N=3]的时候误差最小，也就是机器学习找到了真实的规律，就成功解决问题了。”

陈宇再度看向众人道：“所以，机器学习就是在寻找数据的规律，大部分时候，它的本质就是把数据投射到坐标系里，然后用计算机通过数学方法画一条线区分或者模拟这些数据的过程。”

“不同的机器学习方法，就是在使用不同的数学模型来投射数据和画线，从上世纪到现在，不同的流派找到了不同的方法，擅长于解决不同的问题，影响比较巨大的有这么几种：线性回归和逻辑回归、K近邻、决策树、支持向量机、贝叶斯分类以及感知机等。”