机器学习（machine learning）

机器学习，是让计算机通过研究例子把一件事做得越来越好，而不是有人递给它一本规则手册。想象教一个孩子认猫：你不会背诵「猫」的定义，只是指着上百只猫，直到那个模式在他脑中「咔」地接通。机器学习程序也是这样——给它看成千上万张标注着「猫」或「不是猫」的照片，它就一点点地自我调整，直到能认出一只它从没见过的猫。

这个转变意义深远。在老式编程里，每一条规则都得由人手写出来：邮件里如果出现「免费赚钱」，就标为垃圾邮件。可是发垃圾邮件的人很狡猾，规则永远写不完。机器学习把它反了过来——你把一堆已经分好「垃圾」与「非垃圾」的邮件喂给程序，它自己去发现那些蛛丝马迹般的模式。正因如此，它如今驱动着从你的相册应用，到帮你把句子补完的种种建议。

一个常见的误解，是以为机器「理解」了它学到的东西。其实并没有——它只是找到了行得通的统计模式。喂给它带偏见或马虎的例子，它会一丝不苟地把偏见也一并学去。模型的好坏，永远不会超过它所学的数据，这正是为什么例子的分量，远比大多数人想象的要重。