（1）举出其他监督学习，无监督学习，强化学习的例子
监督学习：比如手写体识别，我们将许多汉字的手写数字图像数据作为训练数据。汉字的数据的分类目标被称作标签和类。训练数据有一个标签(某一个汉字)，根据标签可以找到关于手写数字图像的正确答案信息，例如“此手写数字图像为‘人’”。在学习阶段，当将手写汉字图像输入系统时，调整系统的参数以尽量将输入图像分类为正确的标签，最后进行识别输出正确结果。
无监督学习：无监督学习是目标不明确、不需要带标签的数据以及效果很难评估。用户细分。这个对于广告平台很有意义，不仅把用户按照性别、年龄、地理位置等维度进行用户细分，还可以通过用户行为对用户进行分类。通过很多维度的用户细分，广告投放可以更有针对性，效果也会更好。
强化学习：有监督的时间序列模型可用来预测未来的销售额，还可以预测股票价格。然而，这些模型并不能决定在特定股价下应采取何种行动，强化学习正是为此问题而生。通过市场基准标准对强化学习模型进行评估，确保强化学习智能体正确做出持有、购买或是出售的决定，以保证最佳收益。IBM构建有一个强大的、面向金融交易的强化学习平台，该平台根据每一笔金融交易的损失或利润来调整奖励函数。
（2）说一下非显著式编程的优势
计算机是可能找到一个最大化收益函数的行为模式的。非显著式编程，通过数据、经验自动的学习，完成人类交给的任务。事先并不约束计算机必须总结出什么规律，比如区分正确与错让计算机自己挑出最好的方法总结一些规律。
（3）AlphaGo的胜利，带给我们什么样的人生启示？
虽然我们以前就觉得机器学习的速度非常的快，但通过这次Alpha go的事件，一方面我们切实的体会到了机器学习的速度到底能够到达什么样的程度，另一方面也证明了如果在条件充足的前提下，机器学习速度远高于人类。细想为什么人工智能能达到如此结果，还是人类发展至今的经验引发的。在规则既定的封闭条件内，机器的进化速度远高于人类——因为他们不像人类需要休息，而且计算能力自然比不过人工智能。但人工智能还需要人类制定的封闭规则、能够支撑ai运行的大型计算机以及ai原本自身的代码。如果哪一天，AI能够在非封闭条件下完成一样新事物的学习，并超越人类，那么人类就需要开始防备人工智能，不过人工智能毕竟是人类产生的，它并没有人类的情感，但是我们还是需要防备它们。
（4）当代大学生如何在人工智能时代增加自己的核心竞争力？
当今社会已经进入到人工智能时代，人工智能目前已经涉及到了各行各业，但是人工智能取代人类目前还是比较遥远的。人工智能可以快速的完成人类的部分工作，但在一些方面还是取代不了人类的。人类需要不断完善人工智能，所以大多数行业出现的趋势基本是人机协作的。人工智能相当于人类的助手，可以帮助人类更快更高效的完成工作。在当代大学生需要不断学习人工智能，提高自己的专业技能实践，这样才能使用人工智能更好的帮助自己，比如电脑手机等，都只是可以帮助人类提高工作效率。
