机器学习的本质不是优化，而是推断

大多数机器学习实践者将 ML 理解为"设计损失函数 → 优化参数"，但 Murphy 论证这是概率推断的一个特例——最大化似然等价于取后验分布的众数（MAP）。完整的概率推断不仅给出参数的点估计，还给出整个分布，从而天然支持不确定性量化、模型比较和缺失数据处理。优化是推断的影子，不是推断本身。