浅谈Machine Learning

哲学通常告诉我们通过“是什么，为什么，怎么办”来认识问题，这是我们大脑认识问题的思维逻辑过程。“是什么”是通过定义来揭示事物的本质属性，“为什么”是探究事物的因果关系，揭示其形成的原因。“怎么办”是我们通过问题，找到如何解决它的科学方法和思路，下面我们也从这几方面来认识Machine Learning。

1.机器学习定义

首先从其定义入手，机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

卡内基梅隆大学教授Tom Mitchell给出的定义是机器学习是对能通过经验自动改进的计算机算法的研究”。（Machine Learning is the study of computer algorithms that improve automatically through experience.）。也就是说一个计算机程序能够从经验E中学习（学习任务是T，学习的表现用P衡量），如果这个程序在任务T与表现衡量P 下，可以通过经验E得到改进。“A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E”。

2.机器学习发展迅速的原因

毫无疑问，数据，算法和计算能力是推动AI快速发展的关键因素。得益于互联网和移动互联网时代的快速发展，以BAT为首的国内互联网公司和国外Google，Facebook等公司积累了大量的数据，如何利用这些数据来创造出巨大的社会价值就显得十分重要了，但是传统的数据处理技术难以满足如此海量数据的处理，AI芯片的出现大大的提升了数据的处理能力，还有一大批优秀的算法的实现，在这三者的合力推动下AI发展举世瞩目，今年两会更是写入政府工作报告。

3.机器学习算法

4.机器学习应用

机器人
AI +医疗
AI +金融
AI +交通