什么是机器学习？
机器学习（ML）是人工智能（AI）的一个分支，使计算机能够从数据中学习，并随着时间的推移提升处理能力，而无需详细编程。换句话说，机器学习允许计算机通过经验“学习”，逐步提高预测的准确性，类似于人类从现实经验中学习。
什么是机器学习？
机器学习（ML，也称为机器学习）是人工智能（AI）的一个分支，专注于使计算机能够模拟人类学习，通过积累数据经验自动执行任务并提升性能。简单来说，它是根据1950年代专家Arthur Samuel的经典定义，“赋予计算机无需明确编程即可学习的能力的研究领域”。这一定义至今仍然有效：我们不再编写每条具体指令，而是提供数据让机器推断规则，并随着时间逐步改进结果。
赋予计算机无需明确编程即可学习的能力的研究领域。
— Arthur Samuel，计算机科学家（1950年代）
如今，机器学习广泛存在于日常生活中。我们每天使用的许多在线服务——从互联网搜索引擎、垃圾邮件过滤器、电影/产品推荐系统，到检测异常交易的银行软件——都由机器学习算法驱动。
搜索引擎
智能排序和个性化结果
垃圾邮件检测
自动邮件过滤与安全保障
推荐系统
个性化内容和产品建议
该技术还出现在许多移动应用中，如语音识别功能使虚拟助手能够理解您的语音。凭借学习和改进的能力，机器学习已成为大多数现代人工智能系统的基础。事实上，过去5至10年的大多数AI进展都与机器学习密切相关，甚至许多人将AI和ML几乎视为同义词。
机器学习、人工智能与深度学习的关系
人工智能（AI）是一个广泛的概念，涵盖所有使机器能够表现出类似人类“智能”行为的技术。机器学习是实现AI的一种方法，通过让机器从数据中学习，而非逐步明确编程。在AI生态系统中，ML扮演着重要角色，许多AI系统本质上是基于机器学习模型构建的。
基于规则的系统
- 明确的逐步编程
- 固定规则和逻辑
- 适应性有限
数据驱动学习
- 从数据中学习模式
- 随时间改进
- 适应新情况
深度学习是机器学习的一个特殊子领域。深度学习使用多层人工神经网络（深度神经网络）自动从原始数据中提取特征，几乎无需人工干预。凭借其多层结构，深度学习算法能够处理海量数据（如图像、音频、文本），并学习用于分类或预测的重要特征，无需程序员提前提供这些特征。这样减少了“教导”机器的工作量，并利用大规模数据提升模型表现。
人工智能
机器学习
深度学习
相反，“经典”机器学习算法（不使用深度学习）通常高度依赖人工设计的输入特征，并需要更结构化的数据处理以取得良好效果。您可以将AI视为一组广泛的智能技术，机器学习是AI的一个子集，而深度学习是机器学习的一个子集，专注于深度神经网络模型。
机器学习的类型
机器学习中有许多不同的方法和算法。基本上，ML根据系统如何从数据中学习，分为四种主要类型：
监督学习
监督学习是一种使用带标签数据训练模型的方法。这意味着输入数据已有已知的预期结果，帮助算法从具体示例中学习。模型调整内部参数以预测与给定标签匹配的输出。例如，如果我们提供算法大量带有狗/猫标签的图片，模型就能从中学习，准确区分狗图像和非狗图像。监督学习是目前最常见的机器学习类型，应用于手写识别、垃圾邮件分类、房价预测等众多任务。
图像分类
识别照片中的物体
邮件过滤
垃圾邮件检测与分类
无监督学习
在无监督学习中，输入数据没有标签。算法自动寻找数据集中的隐藏模式和结构，无需事先指导。目标是让机器发现人类尚未知晓的数据群组或潜在规则。例如，无监督学习程序可以分析网购数据，自动将客户聚类为具有相似购买行为的群体。
这种聚类帮助企业了解不同客户细分，尽管之前没有具体的“客户类型”标签。无监督学习常用于访客数据分析、降维和推荐系统。
客户细分
按行为模式分组客户
市场分析
发现隐藏的市场趋势
半监督学习
半监督学习结合了带标签和无标签数据进行训练。通常，只有一小部分数据带标签，而大部分数据无标签。半监督算法利用这部分带标签数据指导对大量无标签数据的分类和特征提取。这种方法充分利用了大量无标签数据，避免了大量人工标注的成本。
半监督学习在收集带标签数据困难或昂贵时尤其有用，准确率优于纯无监督学习。
强化学习
强化学习是一种算法通过与环境交互，基于奖惩机制学习的方法。与监督学习不同，模型没有输入-输出对，而是通过尝试不同动作并根据动作的成功与否获得反馈（奖励或惩罚）。
随着时间推移，产生良好结果的动作序列被“强化”，帮助模型逐步学习出实现特定目标的最佳策略。强化学习常用于训练游戏AI、机器人控制或自动驾驶汽车。
一个著名例子是IBM Watson系统——它使用强化学习决定何时回答以及下注多少，最终在2011年赢得了《危险边缘》问答节目。
— IBM Watson 成就
游戏AI
通过游戏学习最佳策略
机器人技术
自主导航与控制
自动驾驶车辆
自动驾驶决策制定
机器学习的工作原理
机器学习基于数据运行。首先，系统需要从各种来源（传感器、交易系统、社交网络、开放数据库等）收集大量且多样化的数据集。数据质量至关重要：如果数据嘈杂、不完整或不具代表性，ML模型可能学习错误，产生不准确结果。
数据收集与预处理
首先确定输入数据并从可靠来源收集。然后对数据进行清洗，去除错误，填补缺失值，或对输入信息进行归一化。此步骤耗时较长，但对最终模型准确性影响巨大。
- 识别并收集可靠来源的数据
- 清洗数据，去除错误
- 填补缺失值，归一化输入
- 确保数据质量和代表性
算法选择与模型训练
根据数据类型和目标（分类或预测），选择合适算法（如线性回归、决策树、神经网络等）。将处理后的训练数据输入模型，通过优化损失函数进行学习。训练调整模型参数，最小化训练数据上的预测误差。
- 选择适合任务的算法
- 将训练数据输入模型
- 优化损失函数参数
- 最小化预测误差
评估与部署
训练完成后，模型在新数据（测试集）上测试以评估质量。常用指标包括准确率、精确率、召回率或F1分数，视任务而定。如果结果符合要求，模型部署到实际应用或服务中；否则调整数据或算法并重新训练。
- 在新数据（测试集）上测试模型
- 衡量准确率、精确率、召回率
- 结果符合要求则部署
- 必要时调整并重新训练
机器学习的实际应用
机器学习在现实生活中广泛应用，从日常便利到高科技领域。以下是一些典型的ML应用示例：
生成式人工智能
语音识别
聊天机器人与客户支持
计算机视觉
推荐系统
欺诈检测
机器学习的优势与局限
像其他技术一样，机器学习有显著的优势，也存在一定的局限。了解这些有助于我们有效应用ML并规避潜在风险。
主要优点
- 发现大数据中的模式能力：ML能检测海量数据中隐藏的模式和趋势，这些是人类难以察觉的。这使企业能够从“大数据”中提取洞见，做出更精准的决策。
- 自动化与减少对人工依赖：ML系统能在极少人工干预下学习并改进分析算法。只需提供输入数据，模型即可自动“组装”和调优内部参数以优化结果。这允许持续自动化复杂任务（如分类、预测），无需为每种情况手动编程。
- 随时间改进与个性化体验：不同于性能固定的传统软件，机器学习模型随着处理更多数据提升准确率。每次训练后，模型积累经验，做出更佳预测。这使ML系统能为个体用户定制推荐，如推荐内容更符合观众偏好，提升用户体验。
主要挑战
- 依赖数据质量：ML模型需要非常大的训练数据集，且必须准确、多样且无偏。数据质量差会导致结果差（“垃圾进，垃圾出”原则）。此外，收集和处理海量数据需要强大的存储和计算基础设施，成本高且资源密集。
- 学习错误或偏见风险：若训练数据不足或不具代表性，ML模型可能严重失败。在某些极小数据集情况下，算法可能找到数学上“合理”但实际错误的规则，导致模型产生偏见或误导性预测，影响基于其的决策。因此，尤其在输入数据有限时，需仔细验证ML结果的可靠性。
- 缺乏透明度：许多复杂的ML模型（尤其是深度学习）作为“黑箱”运行——很难解释模型为何做出特定预测。例如，拥有数百万参数的深度神经网络可能准确率高，但难以知晓哪些特征促成了决策。这种不可解释性在需要结果责任的领域（如金融、医疗）带来挑战。相反，一些简单模型（如决策树）因决策逻辑可追踪，易于验证和解释——这是“黑箱”神经网络所不具备的优势。
结论
总之，机器学习是大数据时代的关键技术。它使计算机能够学习并随着时间提升预测能力，无需详细的逐步编程。因此，ML已广泛应用于生活和工业领域，从智能虚拟助手到先进的自动化系统。
机器学习是帮助人类在数字时代充分挖掘数据价值的工具，为未来智能技术应用开启了诸多可能。
— INVIAI 见解
