由皮埃尔·朱塞佩·吉里博内编辑

在本专栏的前一篇文章中，我们讨论了人工智能 (AI) 和机器学习 (ML) 之间的区别，并解释了为什么后者可以被视为一个特例。

在第二篇文章中，我们将尝试给出机器学习的定义，并阐明传统算法与根据现代学习范式设计的算法在运行上的主要区别。

直观地说，机器学习涵盖了对计算机进行编程的科学（和艺术），使其能够自主地从数据中“学习”。

从历史上看，这一概念早在 1959 年就被美国计算机科学家亚瑟·李·塞缪尔以富有远见的语言表达出来，他将机器学习定义为使计算机能够在不显式编程的情况下学习的研究领域。

1997年，科学家汤姆·迈克尔·米切尔对机器学习给出了一个更技术性、某种程度上也更精确的定义：“计算机程序可以从经验中学习。” E 就某些分配的任务而言 T 以及一些绩效指标 P如果他能完成这项任务 T以……衡量 P随着经验的积累而变得更好 E。

这个定义可能不太直观，当然需要一个更清晰的例子。

我们通常都熟悉用于管理电子邮件的软件，尤其了解“垃圾邮件过滤器”的含义（即使用现代人工智能学习范式过滤掉不需要的电子邮件的算法）。

这是一个典型的机器学习 (ML) 程序，给定被认为是垃圾邮件（由用户自己标记）和/或被认为是正常邮件（用户已回复但并非不想要的邮件）的电子邮件示例，它可以自主学习如何自动将电子邮件标记为垃圾邮件。

系统用于学习的示例定义了训练集。每个用于训练的数据集都称为训练实例或样本。

在这种情况下，根据米切尔提供的定义，可以说这项任务 T 垃圾邮件过滤器的作用是将新邮件标记为不需要的邮件，体验 E 它由训练数据和性能决定。 P衡量学习水平的指标可以定义为，例如，系统正确分类的电子邮件百分比。

如果一个算法拥有大量数据，但没有被赋予具体的目标和相关的性能指标来衡量其随着时间的推移实现收敛的效率，那么这个算法就不能被认为是一个遵循机器学习范式运行的程序。

如果你把维基百科的静态副本下载到电脑上，电脑里就会有海量的信息和数据，但由于这些数据没有经过管理或组织，所以不会产生任何新知识。软件又能学习更好地完成哪些任务呢？仅仅通过编程方式下载百科全书的副本并不等同于机器学习。

为了理解传统算法与实现机器学习范式的算法之间的设计差异，让我们设身处地地站在一位打算为上述垃圾邮件过滤程序编写逻辑的开发人员的角度来思考。

传统的算法方法会包含一个流程图，其中包含以下指令：

1. 一）考虑垃圾邮件的典型特征。例如，您可能会注意到电子邮件主题行中反复出现的词语/短语，包括“4U”、“信用卡”和“免费”。您可能还会注意到电子邮件地址或正文中其他可能有用的模式。
2. II) 针对先前分析中出现的每一种模式，都会编写一个检测算法，如果检测到一定数量的此类模式，软件就会标记垃圾邮件。

III) 将对程序进行测试，并重复 I) 和 II) 的步骤，直到算法达到令人满意的性能。

显然，由于这是一个复杂的问题，该程序将具有非常长的、相当复杂的规则列表，以便有效地维护。

基于机器学习的垃圾邮件过滤器通过检测区分垃圾邮件和合法邮件的异常模式，自动学习哪些词语和短语是垃圾邮件的良好预测指标，其原理是基于训练集中的比较。

因此，该程序将更精简、更易于维护，并且更有可能准确。

如果垃圾邮件发送者报告说所有包含“4U”的电子邮件都被拦截了，会发生什么？他们可能会直接开始输入“For U”。使用传统编程技术的垃圾邮件过滤器应该更新，添加一条新规则，将“For U”邮件也拦截掉。

如果垃圾邮件发送者认为我们的过滤系统不足，我们应该不断定义和添加新规则。

与传统的编程方法不同，基于机器学习技术的垃圾邮件过滤器能够自动注意到“For U”一词在用户标记为垃圾邮件的邮件中出现频率异常高，并采取相应的措施。

因此，该算法将自动开始标记此类电子邮件，无需用户手动干预：它已经学习了一条新规则，该规则由用户体验指导。

因此，机器学习算法在解决复杂问题方面特别有趣，因为对于这类问题，管理待表示系统的规则无法事先定义。

在了解了机器学习的含义以及传统程序和专门用于机器学习的程序在算法设计上的主要区别之后，下一篇文章将重点介绍基于不同学习类型的机器学习分类。

人工智能和电脑游戏领域的先驱亚瑟·李·塞缪尔于 1959 年创造了“机器学习”一词。他成功创建了第一个基于机器学习的跳棋程序，早期展示了人工智能的基本概念。