在機器學習中，經常聽到一個詞：“模型訓練”，不禁疑惑：模型是什麼東西？怎麼樣訓練的？訓練後得到的結果是什麼？
下面用圖簡單描述個人理解：
在人工智能中，面對大量用戶輸入的數據/素材，如果要在雜亂無章的內容準確、容易地識別，輸出我們期待輸出的圖像/語音，並不是那麼容易的。因此算法就顯得尤爲重要了。算法就是我們所說的模型。
當然，算法的內容，除了核心識別引擎，也包括各種配置參數，例如：語音智能識別的比特率、採樣率、音色、音調、音高、音頻、抑揚頓挫、方言、噪音等亂七八糟的參數。成熟的識別引擎，核心內容一般不會經常變化的，爲實現”識別成功“這一目標，我們只能對配置參數去做調整。對於不同的輸入，我們會配置不同參數值，最後在結果統計取一個各方比較均衡、識別率較高的一組參數值，這組參數值，就是我們訓練後得到的結果，這就是訓練的過程，也叫模型訓練。
所以：
模型 = 算法
訓練 = 爲達成高識別率的目標，使用大數據，找出最優配置參數的過程
結果 = 確定參數配置，實現高識別率