本文主要向大家介绍了机器学习入门之机器学习：计算机学习能力的力量和希望  概述，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

        机器学习是人工智能的一个分支，它能让计算机系统直接从样本、数据和经验中进行学习。计算机通过智能化地处理某些特殊的任务，让机器学习系统能够从数据中学会执行复杂的处理，而不是遵循预先编写的规则。

      近年来，机器学习领域取得了激动人心的进展，提升了其在一系列领域的应用能力。由于可用数据体量的增长，机器学习系统可以基于海量的样本进行训练，同时，日益强大的计算机处理能力也为其分析能力提供强有力支撑，另外，机器学习领域内自身算法的进步为其提供更为强大的能力。以上这些进步的结果就是：前几年还明显弱于人类能力的系统，现在在特定任务的处理能力已经超越人类。

       现在很多人每天都和基于机器学习的系统打交道，比如：广泛应用于社交媒体的图像识别系统；用于虚拟个人助手的语音识别系统；用于在线零售的推荐系统。随着进一步发展，机器学习展现出在更广泛领域的提升、发展和转型的潜力，随之带来重大的社会和经济机会。在医疗健康领域，机器学习正在创造帮助医生在某些条件下提供更精准有效的诊断的条件；在交通领域，机器学习支持着自动驾驶的发展，并且让现有的交通网络更有效；在公共服务领域，机器学习有潜力让公共服务更有效地定位到那些真正有需求的用户；在科学领域，今天研究者已经有了海量的数据，机器学习能帮助他们理解这些数据，给生物学、物理学、医疗以及社会科学等学科提供新的洞察力。

       历史上，英国曾是机器学习领域强有力的领导者。从这个领域的先行者，到现在的商业成功，英国在研究领域做出了卓越的贡献，使最近机器学习在实践其潜力方面有了重大的进展。这些研究和发展的实力让英国在机器学习的未来发展中处于一个领导者的角色。为确保机器学习系统能安全快速部署，提供最佳可能性的环境对于英国的经济增长、福利和安全，以及释放“大数据”的价值至关重要。英国应在以下关键领域采取行动：塑造数据图景、构建技能、商业支撑以及推进研究，这些都能为机器学习创造良好的环境。

      机器学习最近取得的成功很大程度上归功于某些领域可用数据的爆发式增长，比如图像或者语音识别的领域提供了大量的样本，这些数据可用于提高机器学习系统的性能。反过来，机器学习能运用先进的数据分析方法从所谓的“大数据”中获取有价值的信息，社会和经济领域都能从中获得好处。机器学习的提高和发展，需要符合开放的标准、框架或者行为的合适数据环境，以保证数据跨领域的可用性。

        随着机器学习系统在某些领域日益普及和日渐重要，我们需要掌握三种技能。首先，越来越多的人需要日常行为中和机器学习系统打交道，对于任何年龄和背景的人而言，数据的使用以及对应系统的基本理解成为必备的重要技能。为了确保这一点，学校里应该介绍机器学习的重要概念。其次，为了确保广大领域的专业人员具备吸收使用机器学习的能力以有助于他们的工作，需要新的机制建立一个从业人员人才库。最后，机器学习领域中高级技能的获取应得到进一步的支持。对于高级人才的迫切需求，对专有领域专家的强烈追捧，迫切需要更多的资源投到到扩大人才库中。随着机器学习、人工智能以及机器人领域的发展，数字化素养的培养也是就业变革迈出的坚实步伐。

        跨产业领域进一步运用机器学习有很多潜在的好处，机器学习技术对经济的影响在解决英国生产力缺口中起核心的作用。不同行业、不同规模的企业应该能获得相应的支持，让他们在企业经营中能运用机器学习理解数据的价值。为了满足各行业对机器学习的需求，英国应该利用该领域的资本力量和国际比较优势支持欣欣向荣的机器学习领域。英国的创业环境已经为机器学习领域孕育出不少广为人知的成功故事，英国应该从策略上考虑如何最大化这些领域中企业活动的价值。

       皇家学会指导公众对机器学习的观点如何理解的研究。虽然大多数人到这个专有名词不是很理解，但是他们知道一些它的应用。大家对于机器学习还没有一个共识，无论是正面或者负面，观点的差异取决于机器学习运用的环境。所以，随着这一领域的发展，如何持续地和公众保持沟通变得非常重要。

        机器学习能对一些特殊的任务处理的非常好。在很多情况下，它能增强人类的能力。虽然大家已经很清楚机器学习能改变工作的方式，但是预测它的具体进程并非易事，现有的研究也对此各有看法。机器学习给英国的新经济领域带来茁壮成长的潜力，但是也给社会带来新的问题和挑战。有些挑战与数据新的使用方法有关，比如关于隐私和许可的传统概念；而有些挑战来自于人和机器学习的交互方式。我们必须对此谨慎的管理以保证机器学习的生产率红利惠及整个社会。

        机器学习是一个生机勃勃的研究领域，有很多丰富的方法和激动人心的应用领域在持续发展。在机器学习领域，除了研究领域提出的存粹的技术问题，还提出了很多公众关心的个性化的研究问题，比如如何限制其广泛使用。因此，支持这些领域的研究有助于维护公众对于部署机器学习系统的信心，包括算法的可解释性、健壮性、隐私性、公正性、因果推理、人机交互和安全等各方面。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！