機器學習，有時也稱為計算智能，近年來已經(jīng)突破了一些技術(shù)障礙，并在機器人、機器翻譯、社交網(wǎng)絡(luò)、電子商務(wù)，甚至醫(yī)藥和醫(yī)療保健等領(lǐng)域取得了重大進展。機器學習是人工智能的一個領(lǐng)域，其目標是開發(fā)學習計算技術(shù)以及構(gòu)建能夠自動獲取知識的系統(tǒng)。

　　學習系統(tǒng)是一種計算機程序，它通過成功解決過去的問題積累的經(jīng)驗做出決策。盡管應(yīng)用時間不長，但是有許多不同的學習算法，該領(lǐng)域是計算領(lǐng)域最熱門的領(lǐng)域之一，并且定期發(fā)布一些新的技術(shù)和算法。

　　機器學習vs.人工智能

　　許多人認為機器學習和人工智能的含義是一樣的，但這并不十分準確。人工智能有幾種定義，這其中包含機器學習的廣泛概念。一個被廣泛接受的定義是，人工智能由依賴人類行為來解決問題的計算機制組成。換句話說，技術(shù)使計算機就像人類一樣“思考”來執(zhí)行任務(wù)。

　　人類能夠分析數(shù)據(jù)，發(fā)現(xiàn)其中的模式或趨勢，從中進行更明智的分析，然后使用結(jié)論做出決策。在某種意義上，人工智能也遵循同樣的原則。通常，人們完成任務(wù)越多，就越熟練。這是具有學習能力的結(jié)果。經(jīng)常重復(fù)或執(zhí)行相關(guān)程序?qū)θ藗儊碚f是一種培訓。在人工智能系統(tǒng)中也會發(fā)生類似的事情：公開獲取或記錄在專用平臺上的數(shù)據(jù)用作人工智能算法的培訓。

　　那么培訓是如何完成的?為此目的有幾種算法。這一切都取決于應(yīng)用程序以及它們背后的組織或人員。在這里，最重要的是知道在這一點上機器學習是有意義的。

　　什么是機器學習?

　　機器學習也是一個有多種定義的概念，但在其核心，機器學習是一個可以根據(jù)自身經(jīng)驗自主修改其行為的系統(tǒng)，其人為干擾很小。這種行為修改基本上包括建立邏輯規(guī)則，目的是提高任務(wù)的性能，或者根據(jù)應(yīng)用程序做出最適合場景的決策。這些規(guī)則是根據(jù)分析數(shù)據(jù)中的模式識別生成的。

　　例如，如果一個人在搜索引擎中鍵入“勇敢”這個詞，該服務(wù)需要分析一系列參數(shù)來決定是否顯示類似于激怒或勇敢的結(jié)果，這可能有兩種含義。在眾多可用參數(shù)中有用戶搜索歷史：例如，如果在尋找“勇敢”之前幾分鐘，則最有可能出現(xiàn)第二種意義。這是一個非常簡單的例子，但它說明了機器學習的一些重要方面。

　　重要的是，系統(tǒng)必須根據(jù)大量數(shù)據(jù)進行分析，這是搜索者必須放棄的一個標準，因為他們接收了數(shù)百萬次訪問，因此這是一個培訓標準。

　　另一個方面是持續(xù)的數(shù)據(jù)輸入，有利于識別新標準。假設(shè)“勇敢”這個詞成為與文化運動相關(guān)的俚語，通過機器學習，搜索引擎將能夠識別指向該術(shù)語的新含義的模式，并且在一段時間之后，將能夠在搜索結(jié)果中考慮它。

　　機器學習有幾種方法。眾所周知的一種方法稱之為“深度學習”，其中大量數(shù)據(jù)來自多層人工神經(jīng)網(wǎng)絡(luò)，這些算法受到解決復(fù)雜問題的大腦神經(jīng)元結(jié)構(gòu)的啟發(fā)，例如圖像中的物體識別。

　　機器學習的例子

　　機器學習的使用正在演變成各種各樣的應(yīng)用，人們當今擁有的許多技術(shù)資源都基于人工智能和機器學習。

　　·自治數(shù)據(jù)庫 - 借助機器學習，自治數(shù)據(jù)庫處理以前由管理人員(DBA)執(zhí)行的若干任務(wù)，允許這些專業(yè)人員處理其他活動，從而降低因為人為錯誤導(dǎo)致的應(yīng)用程序不可用的風險。

　　·打擊支付系統(tǒng)中的欺詐行為 - 每秒都會產(chǎn)生各種信用卡欺詐和其他支付方式的嘗試。機器學習允許反欺詐系統(tǒng)在成功之前識別其中的大部分。

　　·文本翻譯——翻譯必須考慮場景、區(qū)域表達式和其他參數(shù)。由于采用機器學習，自動翻譯越來越精確。

　　·內(nèi)容推薦——視頻和音頻流平臺使用機器學習來分析用戶查看或拒絕的內(nèi)容的歷史記錄，以便為他們提供符合其意愿的建議。