来源：全国科学技术名词审定委员会

机器学习

machine learning

释义：计算机通过对数据、事实或自身经验的自动分析和综合获取知识的过程。

学科：计算机科学技术_人工智能_机器学习

相关名词：人工智能 大数据 模式识别 深度学习

机器学习是人工智能领域中研究人类学习行为的一个分支。它借鉴认知科学、生物学、哲学、统计学、信息论、控制论、计算复杂性等学科或理论的观点，通过归纳、一般化、特殊化、类比等基本方法来探索人类的认识规律和学习过程，建立各种可以通过经验自动改进的算法，使计算机系统能够具有自动学习特定知识和技能的能力，建立面向任务的具有特定应用的学习系统。

机器学习的核心是机器使用算法来分析海量数据，通过学习数据，挖掘数据中存在的潜在联系，并训练出一个有效的模型，将其应用于决定或预测。目前，机器学习分为监督学习和非监督学习两种基本类型。其中，监督学习用有标签的数据作为最终学习目标，通常学习效果好，但获取有标签数据的代价昂贵；非监督学习相当于自学习或自助式学习，便于利用更多的数据，同时可能会发现数据中存在的更多模式的先验知识（有时会超过手工标注的模式信息），但学习效率较低。二者的共性是通过建立数学模型为最优化问题进行求解，通常没有完美的解法。一般情况下，在面对众多的数据却缺乏了解时，我们可以使用非监督学习。

机器学习最早可以追溯到对人工神经网络的研究。1943年，神经学家沃伦·麦卡洛克（Warren McCulloch）和数学家沃尔特·皮茨（Walter Pitts）提出了神经网络层次结构模型，确立为神经网络的计算模型理论，从而为机器学习的发展奠定了基础。1950年，“人工智能之父”图灵（Alan Mathison Turing）提出了著名的“图灵测试”，使人工智能成为了计算机科学领域一个重要的研究课题。1957年，康内尔大学教授弗兰克·罗森布拉特（Frank Rosenblatt）提出了感知机（Perceptron）概念，并且首次用算法精确定义了自组织自学习的神经网络数学模型，设计出第一个计算机神经网络，这个机器学习算法成为神经网络模型的开山鼻祖。

近30多年的时间里，机器学习领域中一个叫“深度学习”的课题受到广泛关注，并在语音、图像、自然语言、在线广告等领域取得显著进展。著名的AlphaGo（围棋机器人阿尔法狗）曾与韩国的顶尖高手李世石展开围棋大战，最终AlphaGo以4比1获胜。这个事实充分说明机器学习能力很强，促使人们对深层次机器学习的美好前景进行新的展望。不久的将来，机器学习势必能够将人类的认知、学习、思考、推理等结合起来，进一步强化自身的能力。