人類在學(xué)習(xí)成長的過程中，積累了很多歷史經(jīng)驗，將經(jīng)驗進行歸納總結(jié)，得到規(guī)律，因此當(dāng)人類遇到些問題時，總能從事物的發(fā)展規(guī)律找到方向，進行推測；而機器學(xué)習(xí)中的訓(xùn)練和預(yù)測過程可以近似看作人類的歸納和推測的過程。

機器學(xué)習(xí)思想并不復(fù)雜，僅僅是對人類學(xué)習(xí)成長過程的一個模擬，由于機器學(xué)習(xí)不是通過編程的形式得出結(jié)果，因此它的處理過程不是因果的邏輯，而是通過歸納思想得出相關(guān)結(jié)論。

機器學(xué)習(xí)的閃光點，是針對那些使用傳統(tǒng)方法太過復(fù)雜——甚至根本不存在已知算法的問題。

例如語音識別，假如你想寫一個能夠區(qū)分出“一”和“二”的程序。你會想到，“二”（two）的讀音是以一個高音（“T”）開始，所以你可以硬編碼出一個測量高音強度的算法，然后用它來區(qū)分“一”和“二”。但是想想數(shù)以百萬計的不同人群所說的成千上萬的詞句，加之其所處的吵鬧環(huán)境，以及所使用的幾十種不同的語言，很顯然，這種技術(shù)不可能得以擴展。迄今為止，最好的解決方案是寫一個能夠自己學(xué)習(xí)的算法，然后針對每個字給它提供許多錄音示例。

應(yīng)用機器學(xué)習(xí)技術(shù)來挖掘海量數(shù)據(jù)，可以幫助我們發(fā)現(xiàn)那些此前并非立見端倪的模式。

最后，機器學(xué)習(xí)還可以幫助人類學(xué)習(xí)，通過檢視機器學(xué)習(xí)算法以了解它們學(xué)到了什么。

本文整合自：傳智播客、語言中文網(wǎng)

審核編輯：符乾江