人類在學習成長的過程中，積累了很多歷史經驗，將經驗進行歸納總結，得到規律，因此當人類遇到些問題時，總能從事物的發展規律找到方向，進行推測；而機器學習中的訓練和預測過程可以近似看作人類的歸納和推測的過程。

機器學習思想并不復雜，僅僅是對人類學習成長過程的一個模擬，由于機器學習不是通過編程的形式得出結果，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結論。

機器學習的閃光點，是針對那些使用傳統方法太過復雜——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，然后用它來區分“一”和“二”。但是想想數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境，以及所使用的幾十種不同的語言，很顯然，這種技術不可能得以擴展。迄今為止，最好的解決方案是寫一個能夠自己學習的算法，然后針對每個字給它提供許多錄音示例。

應用機器學習技術來挖掘海量數據，可以幫助我們發現那些此前并非立見端倪的模式。

最后，機器學習還可以幫助人類學習，通過檢視機器學習算法以了解它們學到了什么。

本文整合自：傳智播客、語言中文網

審核編輯：符乾江