如果你一直关注科技新闻，可能会发现机器学习无处不在，这并非没有理由：机器学习是计算机处理信息方式的重要组成部分。
机器学习无处不在，影响着我们的日常生活，从使用谷歌地图导航到查看收件箱。
但它究竟是什么？它又是从什么时候开始变得如此重要的？
下面快速为你解读，助你了解最新情况：
机器学习的发展史上有两项尤为重要的进展：第一项始于人工智能先驱亚瑟·塞缪尔，他早在1959年就创造了“机器学习”这一术语。
1959年，麻省理工学院工程师亚瑟·塞缪尔将机器学习描述为一种“赋予计算机学习能力、而无需明确编程的研究领域”。当时，塞缪尔正忙于打造自己的计算机器：一款自主跳棋程序，他设想有朝一日它能击败世界顶尖跳棋冠军。
机器学习的另一项重要进展是什么？互联网。
互联网的出现带来了海量积累的数据。如此多的信息触手可及，似乎只有一件事可做：设法将其整理成有意义的模式——这是机器学习最重要的作用之一。
大数据是机器学习的基本构成要素。
大数据，顾名思义，本质上就是海量数据。它包括社交媒体公司、搜索引擎，以及不断收集信息的麦克风和摄像头所积累的所有信息。
算法会梳理这海量信息，让技术能够预测我们接下来会做什么。
海量数据为机器学习算法提供信息，使技术具备预测未来模式的方法。这些算法能够预测未来行为，并预见即将出现的问题。
最广为人知的例子之一，是亚马逊的商品推荐功能。它会读取你的偏好和其他人的购买习惯，然后向你推荐可能感兴趣的其他商品。
机器学习的核心，就是梳理这些海量的收集信息，从中识别模式并预测新的模式。
机器学习与人类学习有所不同，因为机器只知道你告诉它的内容：计算机不会表达好奇心，也无法进行推断。
例如，如果你在Netflix上看了很多科幻电影，推荐列表中可能会出现《怪奇物语》。但这完全是基于Netflix自身数据的数学运算——如果你从未告诉Netflix自己喜欢纪录片，也从未给某部纪录片打过高分，系统很可能永远不会向你推荐纪录片。
机器学习的应用环绕在我们身边，并影响着日常生活。
机器学习无处不在：它影响着方方面面，从我们的Facebook动态、我们的谷歌地图推荐的路线、我们的自动邮件垃圾信息过滤器，到甚至我们的银行信息安全。
但如今的机器学习早已从17世纪以来发生了彻底演变。今天，机器只需极少的人为干预就能学习。
借助机器学习，技术专家模仿了人脑的工作方式，构建出称为神经网络的复杂系统。反过来，神经网络又使深度学习成为可能，并由此催生出超越人类智能的计算机系统。
机器学习在人工智能的发展中发挥着关键作用。
人工智能与机器学习经常被混为一谈，但它们并不是一回事。人工智能指机器执行智能任务的能力，而机器学习指机器自动从数据中筛选出有意义模式的过程。没有机器学习，就不可能有我们所知的人工智能。
机器学习的未来还有许多发展值得期待。预计机器学习将影响虚拟现实、无人驾驶汽车行业和人工智能的发展。
