人工智能之所以能够学习，主要是因为以下几个方面的原因：

机器学习和人类思维的关联：

人工智能是通过机器学习来获得智能的。机器学习模拟了人类思维的过程，如逻辑判断、推理和决策，通过将人类思维的结构化方法转化为机器可执行的数据运行步骤，使机器具备解决问题的能力。

神经网络的作用：

人工智能的计算机程序具有演绎和归纳能力，特别是神经网络，它通过模拟人脑的结构和思维运算模式，使得人工智能具有学习性。神经网络通过输入和输出数据对自身结构进行训练，并通过惩罚函数实现学习特性。

多学科知识的融合：

人工智能融合了逻辑学、计算机科学、心理学、语言学、数学、工程学等多个学科的知识和方法。这些知识和方法不仅是人类学习的结果，也包含了人类进行学习的方法和过程，从而启发机器和电脑转化为自身的辨识和学习过程。

大数据和算法：

人工智能利用大量数据和算法来训练机器，使其能够从数据中找出规律并学习。例如，在围棋比赛中，人工智能通过分析大量的棋谱数据，能够预测并走出几步甚至几百步棋，显示出其强大的学习能力。

模仿人类的学习过程：

人工智能的学习过程在一定程度上模仿了人类的学习方法。人类在学习新知识时，会不断验证和修正自己的假设，而人工智能则通过对比和筛选来完成内容判断和学习。

综上所述，人工智能之所以能够学习，是因为它结合了人类的思维模式、多学科知识、大数据和算法，以及模仿人类的学习过程，从而具备了通过机器学习不断改进自身的智能水平的能力。