从数据中学习：机器学习
AI范式的根本性转变：机器不再仅依赖于硬编码规则，而是从数据中自动发现模式与规律。
核心理念：以数据为师
机器学习的核心是构建能够从数据中“学习”的算法。它通过分析大量样本，自动提炼出隐藏的模式和关系，并利用这些洞察来对新的、未知的数据做出预测或决策。
目标:
f(数据) ≈ 真实世界规律
机器学习三大分支
监督学习
提供带有“正确答案”（标签）的数据集进行训练，让模型学会输入与输出之间的映射关系。
常见应用:
- 图像分类
- 垃圾邮件检测
- 房价预测
无监督学习
不提供任何标签，让模型自行在数据中发现结构、模式或异常点。
常见应用:
- 客户分群
- 异常检测
- 数据降维
强化学习
智能体通过与环境互动，根据获得的奖励或惩罚来学习最优策略，以最大化长期回报。
常见应用:
- 游戏AI (AlphaGo)
- 机器人控制
- 资源调度
机器学习的出现，标志着AI从“知识驱动”迈向“数据驱动”，为后续 深度学习 的爆发奠定了坚实的基础。