機器學習的本質是模式識別。 一部分可以用于預測（有監督學習，無監督學習），另一類直接用于決策（強化學習），機器學習的一個核心任務即模式識別， 我們通常可以用模式識別來對我們未來研究的系統進行歸類， 并預測各種可能的未來結果。

　　也許晦澀的概念解釋你看半個小時也不一定能看懂，而想要了解這項技術，最好的辦法就是親自嘗試一下，而這也是谷歌的這項內容的宗旨所在。

　　最近我們總聽什么機器學習技術機器學習技術的，那么究竟什么是機器學習技術？它又是如何工作的呢？也許晦澀的概念解釋你看半個小時也不一定能看懂，而想要了解這項技術，最好的辦法就是親自嘗試一下。

　　現在谷歌就推出了一項名叫Teachable Machine的實驗性瀏覽器教學內容，它通過簡單的兩分鐘內容，就通過視頻和圖片的方式直觀的告訴我們現代人工智能技術能做到哪些事情、哪些還暫時無法做到。

　　Teachable Machine可以讓我們用自己的網絡攝像頭來訓練出一個非常基本的人工智能程序，只要點擊包括綠色、紫色、橙色等按鈕，機器就能通過攝像頭記錄下它看到的一切。一旦“它”學會了足夠多的內容，就會自動輸出你喜歡的任何東西（一個gif圖、一個音效或一些文字），而這些都是在我們訓練它看到的對象或活動之后。比如我教它識別室內的植物，并且做出對應的gif動畫，還可以自動在手勢控制的方式下彈奏吉他。

　　所有這些內容都非常有趣，也展示了機器學習技術的一些基本原理。首先，這樣的程序都是通過實例學習來實現。先看，然后找到模式，然后記住。其次，它需要大量的例子來學習。第三也是最重要的，目前它理解世界的方式還很膚淺，很容易培養。

　　比如最開始我教它識別家里的植物，事實上我只是教它識別了一個模糊的像素組。它沒有看到蘆薈，然后就會聯想到為什么年輕人喜歡在室內養植物？也許就是因為買不起大房子，而從此就會貼上特別的標簽。所有的機器都是通過看到的東西進行基本的信息識別，而其它額外的信息也需要被編入到程序中。

　　通過谷歌的Teachable Machine我們對機器學習技術有了進一步的了解，而下次就能更好的理解人工智能或機器學習技術的進步。但隨著它看到的東西越來越多，算法的創建并沒有我們大腦想象的那么聰明。換句話說，它還在繼續學習中。