机器学习的核心在于计算机通过数据来获取知识，这一过程与人类的学习过程有许多相似之处。因此，机器学习在帮助人们处理各种问题时非常有效。

人的知识来源是什么？古希腊剧作家埃斯库罗斯曾说过：“记忆是一切智慧之母。”这句话揭示了一个事实：没有记忆，就没有智慧。我们所掌握的知识，大多数都是通过记忆获得的。因此，学习的过程往往是艰辛的，尽管存在许多记忆技巧和捷径，但仍然难以突破人脑的固有限制。例如，中国科学技术大学的少年班以培养少年天才闻名，该班级录取的学生最小年龄为11岁，但即使是这样的天才，也需要经过七八年的知识积累，无法跳过这个过程。

埃斯库罗斯的名言英文版本是：“Memory is the mother of all wisdom。”在计算机领域，“内存”（Memory）用于存储数据。因此，可以说，在计算机世界中，这句名言可以转化为：“数据是一切智慧之母。”计算机拥有一个显著的优势，那就是它的“记忆”（即收集数据）过程所需的时间远远少于人类。从这个角度来看，如果计算机模仿了人类的学习过程，那么机器学习的能力超越人类就是合乎逻辑的。事实上，在许多情况下，机器学习已经展现出了这种优势。

在机器学习领域，数据往往比算法更为关键，因为数据决定了机器学习的潜力。数据和记忆是知识的基础，但它们本身并不等于知识。首先，我们需要对数据进行“解码”，否则它们只是一串串数字；其次，我们要从中提取对我们有用的信息。

人是如何从记忆的数据中获取知识的呢？我们可以通过“识字”的例子来说明。汉字总数约为10万个，常用的汉字大约有3500个。在学会识字之前，即使记住了这些字的模样，它们在你眼中也只是“字”。根据信息熵的定义，如果你不能区分这些字的意义，那么你掌握的信息量依然为零。假设你已经掌握了3500个常用汉字，并且每个字出现的概率相同，那么你掌握的信息量就会有所提升。

人类最初的状态是无知的，就像天地未分时一样混沌。只有当我们学会分辨是非、善恶和美丑，才算是开启了智慧的大门。正如盘古开天辟地的故事所描述的那样，人类的智慧始于我们识文断字的能力。

机器学习中最重要的任务之一是分类，分类使计算机具备了智慧。分类的概念很容易理解，比如是非、善恶、美丑等都可以归类。分类的数学模型也非常直观，如下所示：

机器学习需要掌握的是一种“分割线”，可以将平面上不同类别的点区分开。

我认为，尽管某些理论可能较为复杂，但机器学习的基本概念及其要解决的问题是相对容易理解的。如果更多人能够了解这些知识，人工智能就不会成为神秘的“黑盒子”，从而减少许多不必要的社会误解。

分类任务的应用示例

• 垃圾邮件识别：判断一封邮件是否为垃圾邮件，这是一个二分类问题。
• 音乐、商品、书籍推荐：判断用户是否喜欢某首歌、某个商品或某本书籍，这也是一个二分类问题。
• 广告点击率预测：判断用户是否会点击广告，同样是一个二分类问题。
• 语音助手识别意图：如小爱同学或Siri，判断用户的意图，这是一个多分类问题。
• 人脸识别：判断一张图片中的人脸是否存在，也是一个二分类问题。

总的来说，计算机从数据中学习知识的过程与人类的学习过程有很多相似之处，而且它还具有以下优势：机器学习能够快速、大量地获取数据，这使得机器学习能够利用大数据的力量；此外，机器学习可以实现一次学习，多处应用。因此，机器学习这个名字并非空穴来风。

关注我，为你分享更多关于人工智能的知识。

如果你喜欢以上内容，欢迎访问我的个人主页：在任何平台上搜索“黑客悟理”。