與其為每種情況編寫規則，不如向電腦展示範例，讓它從中發現規律。這就是機器學習——演算法透過數據學習來進行預測。垃圾郵件過濾器會從數百萬封已標記的電子郵件中學習。推薦引擎會從你觀看過的內容和跳過的內容中學習。

機器學習有三大範式。監督學習使用已標註的數據。無監督學習在未標註的資料中尋找結構。強化學習透過獎懲機制訓練智能體。深度學習使用多層神經網路來處理圖像、語音和文字。

常用應用程式

• 影像辨識：人臉、物件、醫學掃描
• 自然語言：翻譯、聊天機器人、情緒分析
• 推薦：產品、電影、音樂
• 詐欺偵測：信用卡、保險索賠
• 自主系統：汽車、無人機、機器人

機器學習功能強大，但並不完美。模型可能存在偏差、脆弱且難以解釋。它們需要大量乾淨的數據。它們的失敗方式往往是人類顯而易見的。該領域發展迅速，但相應的保障措施卻不足。