计算机学习的能力是通过非显著式编程获得的。A. 对B. 错

考查要点：本题主要考查对“非显著式编程”概念的理解，以及其在计算机学习能力中的应用。
解题核心：明确“非显著式编程”的定义，判断其是否为计算机学习能力的实现方式。
关键点：非显著式编程强调通过隐含规则或环境自动处理逻辑，而计算机学习（如机器学习）依赖自动化算法和框架，符合这一特点。

非显著式编程（Implicit Programming）指编程过程中，部分逻辑或操作并非通过显式代码实现，而是依赖环境、框架或预设规则自动完成。例如，使用深度学习框架时，开发者只需定义模型结构和损失函数，训练过程中的参数优化、梯度计算等复杂操作由框架自动处理。

计算机学习能力（如机器学习、深度学习）的核心是通过数据训练模型，自动调整参数以实现特定任务。这一过程高度依赖自动化算法和框架（如TensorFlow、PyTorch），而非手动编写所有逻辑。因此，计算机学习能力的实现确实符合“非显著式编程”的特点。