AI 百科搜索 /

核心概念

机器学习

利用数据和评价目标形成或调整模型，使系统不必为每个案例逐条编写规则也能完成特定任务的一类方法。

更新：Machine Learning

简明解释

机器学习（machine learning，ML）是一类利用数据和评价目标形成或调整模型的方法，区别于为每个情形逐条写出处理规则。[1, pp. 1–3] 例如，垃圾邮件分类器比较历史邮件与“垃圾/正常”标签，调整参数以减少分类错误；新邮件到达时，它再用所得模型给出分数。这里的“学习”是工程术语，不表示机器像儿童一样理解经验，也不保证换一批邮件后仍然准确。

为什么使用、怎样评价

许多图像、语音或邮件模式难以由人穷举规则，却有样本可供比较，机器学习由此成为人工智能的重要方法。训练阶段依据数据和目标改善某项表现，[2, p. 8] 使用阶段则要用未参与训练的样本和现实结果评价。它可以做分类、数值预测或排序；但效果取决于数据是否代表实际环境、目标是否合适，以及部署后的输入是否仍与训练条件相近。

机器学习不是人工智能的同义词：规则、逻辑和搜索也是 AI 路线；机器学习也不等于深度学习，后者只是其中一类模型方法。

相关章节

第一章的“模型怎样从训练走到推断”解释训练、模型和推断的关系；完整原理与公式将在第 9 章展开。

本页参考来源

  1. Mitchell T M. Machine Learning [M]. McGraw-Hill, 1997. 定位：Introduction, pp. 1–3. 稳定来源（访问 ）。
  2. OECD. Explanatory memorandum on the updated OECD definition of an AI system [R]. OECD Artificial Intelligence Papers, No. 8. OECD Publishing, 2024. 定位：p. 8. DOI；稳定来源（访问 ）。

相关概念