机器学习与人工智能概述

什么是机器学习？

机器学习（Machine Learning, ML）的核心思想是让计算机系统利用数据进行“学习”，而无需进行明确的编程。它不是遵循预先设定好的指令来解决问题，而是通过分析大量数据来识别其中的模式，并利用这些模式做出预测或决策。

想象一下，你正在教一个孩子识别猫。你不会给她一套关于“猫”的严格规则（比如“有四条腿、毛茸茸的、有胡须”），因为狗也符合这些描述。相反，你会给她看很多猫的图片。慢慢地，她的大脑会自动识别出猫的共同特征。机器学习的原理与此类似：我们向算法“展示”大量数据，让它自己找出规律。

简而言之，机器学习是关于从经验（数据）中学习以改善性能的过程。

人工智能（Artificial Intelligence, AI）是一个更广泛的概念。它指的是创造能够模仿人类智能的机器或系统的科学领域。这个领域的目标是让机器能够执行通常需要人类智能才能完成的任务，例如解决问题、理解语言、识别物体和做出决策。

AI 不仅仅局限于从数据中学习。它还包括其他方法，例如基于规则的系统（专家系统），其中人类专家的知识被编码成一套 “if-then” 规则，系统根据这些规则进行推理。

最清晰的理解方式是：机器学习是实现人工智能的一种途径，也是目前最成功的一种。AI 是宏大的目标——创造智能机器，而 ML 是实现这一目标的关键工具之一。

如图所示，机器学习是人工智能的一个子领域。几乎所有我们今天津津乐道的人工智能应用，从语音助手到自动驾驶汽车，其核心都由机器学习驱动。可以说，机器学习的进步引爆了近代人工智能的革命。

让我们来看看机器学习是如何为我们日常接触的人工智能应用提供动力的。

应用 (AI 功能)	机器学习在其中扮演的角色
垃圾邮件过滤器	通过分析数百万封电子邮件，ML 模型学会了识别垃圾邮件的特征（例如特定的词语、发件人行为），并自动将新收到的垃圾邮件分类。
推荐系统 (Netflix, Spotify)	ML 算法分析你的观看或收听历史，并将其与有相似品味的其他用户进行比较，从而预测你可能喜欢的新电影或歌曲。
图像识别	当你在社交媒体上传照片时，ML 模型可以自动识别并标记出你的朋友。这是通过在包含人脸的大型数据集上进行训练实现的。
语音助手 (Siri, Alexa)	ML 在自然语言处理（NLP）中起着至关重要的作用。它帮助系统理解你所说的话的含义（意图识别），并将其转换为可执行的命令。

准备好测试你对这些概念的理解了吗？

Quiz Questions 1/4

以下哪项最能概括机器学习（ML）的核心思想？

Quiz Questions 2/4

关于人工智能（AI）和机器学习（ML）之间的关系，以下哪个说法是正确的？

总而言之，机器学习是赋予现代人工智能系统学习和适应能力的核心技术。理解它们之间的区别与联系，是深入了解这个激动人心的领域的第一步。