機器學習算是人工智能的一個分支，是以讓我們從人工智能說起。
1 人工智能精确定義人工智能很難，大概就是機器獲得了類似人類的智慧，甚至成為了超人：
很長的一段時間人工智能隻是一個幻想，直到20世紀40年代電腦的出現，才有一批科學家開始嚴肅地探讨實作的可能性。經過快一個世紀的努力，逐漸取得了一些成果，比如自動駕駛：
比如兩足機器人：
當然，這些離人工智能的完全體還差之甚遠，需要我們繼續加油接力。2 人工智能的分支剛才提到的自動駕駛要不斷觀察周圍的環境，以及判斷觀察到的是障礙還是道路，這需要“機器視覺”和“機器學習”；兩足機器人必須不斷調整身體的平衡，這就是“自動化控制”。這些都是人工智能的分支，除此之外還有很多（下面列舉的隻是冰山一角）：
我們的課程會關注其中一個分支，“機器學習”。3 機器學習下面再詳細解釋下自動駕駛，友善我們進一步了解“機器學習”到底是什麼？3.1 自動駕駛自動駕駛中需要通過“機器視覺”不斷看到周圍的物體：
然後通過“機器學習”來辨識出這些物體是什麼。比如識别出人（person）、車（car）、交通燈(traffic light)等等：
3.2 機器學習學會辨識圖檔的過程是這樣的，比如輸入大量的車輛的圖檔給機器“學習”（具體怎麼學，就是本課程所要探讨的），最後它就會知道這些圖檔代表的是車（car）：
這個過程和人類的學習過程類似，是以稱為機器學習。4 訓練和預測“機器學習”最重要的是“預測”，比如剛才通過大量的圖檔學會什麼是車後，再來一張沒有見過的車輛的圖檔，我們希望機器可以做出正确的判斷：
是以“機器學習”包含兩個部分，這也是我們課程最關心的兩個部分：
訓練：比如提供大量的汽車圖檔給機器“學習”，教會機器什麼是車，這就是訓練
預測：訓練結束後，我們需要機器可以對沒有見過的圖檔進行判斷，并且要保證一定的正确率，這就是預測
5 機器學習的适用條件如果要解決的問題符合以下三條，可以考慮運用機器學習：
要解決的問題中存在某種模式
這種模式不容易直接定義
有足夠的資料可以幫助我們找出該模式
下面還是借助自動駕駛的例子來解釋下這三條。5.1 存在某種模式各種車之間是存在共同之處的，也就是存在某種模式的，這樣才具備學習的可能性。是以在“自動駕駛”的例子中，才可以通過學習已知的圖檔來判斷未知的圖檔：
小結總結下，機器學習是人工智能的一個分支。它包含兩個重要步驟，先通過已有資料來訓練，然後對未知資料進行預測，這和人類學習的過程類似：
當要解決的問題符合以下三條，可以考慮運用機器學習：
要解決的問題中存在某種模式