模拟人的学习：机器学习的源泉与动力

在整个机器学习的发展历程中，一直有两大研究方向。一是研究学习机制，注重探索、模拟人的学习机制；二是研究如何有效利用信息， 注重从巨量数据中获取隐藏的、有效的、可理解的知识。

学习机制的研究是机器学习产生的源泉，但随着大数据时代各行业对数据分析需求的持续增加，通过机器学习高效地获取知识，已逐渐成为当今机器学习技术发展的主要推动力。

大数据时代的机器学习更强调“学习本身是手段”，机器学习成为一种支持技术和服务技术，如何基于机器学习对复杂多样的数据进行深层次的分析，更高效地利用信息成为当前机器学习研究的主要方向。

机器学习越来越朝着智能数据分析的方向发展，并已成为智能数据分析技术的一个重要源泉。另外，在大数据时代，随着数据产生速度的持续加快，数据的体量有了前所未有的增长，而需要分析的新的数据种类也在不断涌现，如文本的理解、文本情感的分析、图像的检索和理解、图形和网络数据的分析等，这些对机器学习的学习机制提出了挑战，但也是发展机遇。

机器学习研究领域涌现了很多新的研究方向，很多新的机器学习方法被提出并得到了广泛应用。比如,考虑如何利用未标识数据的半监督学习（semi-superised learning），有效解决训练数据质量问题；提高学习结果的泛化能力的集成学习（integrated learning）；在不同的领域进行知识迁移的迁移学习（transfer learning）等，吸引了广泛的研究和兴趣。