機器學習

機器學習（英文machine learning）者，屬人工智能，蓋計算機科學所鑽研也。其為術也，立演算之法，設數之模，使算器不假明令，^[一]積驗而益精其事^[二]。是學與統計、臻善、資訊論、控制論相表裏，今廣施於辨像、識音、解文、薦物、診疾、御車諸事。^[三]

是學之本，在以數模格物，藉演算調參，俾預測決策之誤漸消。今有入變${\displaystyle X}$、出變${\displaystyle Y}$，欲求映射${\displaystyle f:X\to Y}$，使遇新${\displaystyle X}$而可推其${\displaystyle Y}$。乃立損失函數以度所推與實之差，復求其極小。^[四]術曰：置初參，求損失隨參之變率，以步長乘之，以減其參。損之又損，以至於不可復損，則模成矣。

西元一九五〇年，圖靈著論，問「算器能思乎」，以為當以習代規，使器顯智。^[五]一九五七年，羅森布拉特創感知機，實神經網絡之先聲。^[六]越二年，薩繆爾始命之名曰「機器學習」。^[七]

八十年代以降，決策樹、支援向量機、貝葉斯法諸術並興。其間，一九八六年，魯梅爾哈特、辛頓等倡反向傳播之法，多層神經網絡由是可訓。^[八]及二十一世紀，算力日增，與數日夥，深度神經網絡遂破舊障，深度學習由是為顯學。^[九]

據