什么是机器学习？它就是人工智能？

从人工智能的发展过程看，机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统大多数没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。

学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。按照人工智能大师西蒙（Simon）的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。

机器学习

什么是机器学习（machine learning）？

至今，还没有统一的“机器学习”定义，而且也很难给出一个公认的和准确的定义。

顾名思义，机器学习是研究如何使用机器来模拟人类学习活动的一门学科；机器学习也是一门研究机器获取新知识和新技能，并识别现有知识的学问。

综合上述两定义，可给出如下定义：机器学习是研究机器模拟人类的学习活动、获取知识和技能的理论和方法，以改善系统性能的学科。这里所说的“机器”，指的就是计算机；现在是电子计算机，以后还可能是中子计算机、量子计算机、光子计算机或神经计算机等。

赫伯特·西蒙

赫伯特·西蒙对学习给出比较准确的定义：学习表示系统中的自适应变化，该变化能使系统比上一次更有效地完成同一群体所执行的同样任务。

米切尔（Mitchell）给学习下了个比较宽广的定义：对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么就称这个计算机程序从经验E中学习。

在人类社会中，不管一个人有多深的学，多大的本领，如果他不善于学习，那么就不必过于看重他，因为他的能力总是停留在一个固定的水平上，不会创造出新奇的东西。但一个人若具有很强的学习能力，则不可等闲视之了。虽然他现在的能力不是很强，但是“士别三日，当副目相待”，几天以后他可能具备许多新的本领，根本不是当初的情景了机器具备了学习能力，其情形完全与人类似。

1959年美国的塞尔（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位保持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，提出了许多令人深思的社会问题与哲学问题。

AlphaGo

对机器的能力能否超过人，很多持否定意见的人的一个主要论据是：机器是人造的其性能和动作完全是由设计者规定的，因此无论如何其能力也不会超过设计者本人。这种意见对不具备学习能力的机器来说的确是对的，可是对具备学习能力的机器就值得考虑了，因为这种机器的能力在应用中不断地提高，过一段时间之后，设计者本人也可能不知它的能力到了何种水平。