最近在学习人工智能相关内容，发现"泛化"这个词挺有意思的。简单说就是学东西的时候不能死记硬背，得学会举一反三。比如学骑自行车后能骑不同自行车，比如山地车公路车，这叫泛化。再比如教小孩认动物，看了熊猫图片能联想到大熊猫小熊猫，还有穿山甲，这就是把学的东西用到新场景。

为什么说这就是答案呢？因为机器学习里有个经典数据，测试集准确率比训练集低5%到10%的时候，说明模型开始泛化了。比如人脸识别系统在实验室环境准确率95%，但真实街道识别可能降到85%，这就是泛化能力不足。有个真实案例是某公司图像识别系统，训练集用了10万张猫狗图片，测试集换成不同角度的猫狗照片，准确率从92%降到78%，说明泛化不够。所以泛化不是随便用，得让模型学会不同情况下的应对方法。就像教孩子认字，先认"口"字，再认"口"字加不同笔画，就能看懂"品"字，这就是逐步泛化的过程。