到底啥是机器学习系统？

随着人工智能概念的普及和流行，时不时的就会听到“机器学习”、“深度学习”这些词汇。咱们今天就谈谈到底啥是机器学习系统。

什么是机器学习？

人工智能的本质是将机器具备“类似”人类的自主学习的能力。我们希望不用给计算机编写程序（针对特定应用的程序）就能让计算机具备学习的能力，这种想法被称为机器学习（Machine Learning）。这个概念最早是1959年由美国人Arthur Lee Samuel提出来的。

在讨论人工智能的时候，本质上我们是在讨论它背后的机器学习的能力，这种能力可以用不同的方式进行分类。将这种能力视为算法的时候，就有了有监督学习(Supervised Learning)和无监督学习(Unsupervised Learning)两类算法。将这种能力视为不同框架的时候，就有了TenserFlow、SystemML等不同的平台。

什么是机器学习系统？

无论是采用几个大公司的通用的机器学习平台或框架还是自己从零开始实现机器学习算法(当然从成本效益上不太可行)，都需要构建一个完整的系统，有针对性的解决一类或几类应用中的问题。通过对收集到的数据进行学习，然后对未来做出适当的预测。完成这些功能的一系列软件和硬件组件的集合，我们把它称之为“机器学习系统”(Machine Learning System)。

机器学习系统由哪些核心构成？

机器学习从简单理解，可以视为一种建模和分析技术。不过，如果结合具体问题场景来看，一个机器学习系统不仅仅是一门技术，而应该理解为一个应用。在这个应用中，我们需要有组件完成数据收集、有组件完成模型学习，有组件完成数据的预测。

典型的机器学习系统有如下核心部分：

数据收集与转换系统（包括数据标记与特征提取）

模型系统（包括基于机器学习的模型生成、模型评估、模型发布）

模型监督与服务系统

机器学习系统中的数据具有量“无限多”和质“不确定”两个重要的特点。合理的响应时间和稳定的系统运行就是机器学习系统设计中需要考虑的重要因素。