機器學習（machine learning）

機器學習，是讓電腦透過研究例子把一件事做得越來越好，而不是有人遞給它一本規則手冊。想像教一個孩子認貓：你不會背誦「貓」的定義，只是指著上百隻貓，直到那個模式在他腦中「咔」地接通。機器學習程式也是這樣——給它看成千上萬張標註著「貓」或「不是貓」的照片，它就一點一點地自我調整，直到能認出一隻它從沒見過的貓。

這個轉變意義深遠。在老式程式設計裡，每一條規則都得由人手寫出來：郵件裡如果出現「免費賺錢」，就標為垃圾郵件。可是發垃圾郵件的人很狡猾，規則永遠寫不完。機器學習把它反了過來——你把一堆已經分好「垃圾」與「非垃圾」的郵件餵給程式，它自己去發現那些蛛絲馬跡般的模式。正因如此，它如今驅動著從你的相簿應用，到幫你把句子補完的種種建議。

一個常見的誤解，是以為機器「理解」了它學到的東西。其實並沒有——它只是找到了行得通的統計模式。餵給它帶偏見或馬虎的例子，它會一絲不苟地把偏見也一併學去。模型的好壞，永遠不會超過它所學的資料，這正是為什麼例子的分量，遠比大多數人想像的要重。