百科：机器学习

机器学习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，它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。

作用和应用：机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，主要使用归纳、综合而不是演绎。目前机器学习已经十分广泛的应用在了如数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用等方面。

解释拓展：Langley（1996年) 定义的机器学习是“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”；Tom Mitchell的机器学习(1997年)对信息论中的一些概念有详细的解释,其中定义机器学习时提到“机器学习是对能通过经验自动改进的计算机算法的研究”；Alpaydin（2004年）同时提出自己对机器学习的定义为“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”

为了便于进行讨论和估计学科的进展，即使定义是不完全的和不充分的，但也必须要对机器学习给出定义，简而言之，机器学习就是研究如何使用机器来模拟人类学习活动的一门学科，这里所说的“机器”，指的就是计算机，电子计算机，中子计算机、光子计算机或神经计算机等等。

对于机器能否像人类一样能具有学习能力，1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，也提出了许多令人深思的社会问题与哲学问题。