参考文档：http://www.a-site.cn/article/429982.html 《陆汝铃：六问机器学习》
参考文献：《机器学习》---周志华
文章摘自《机器学习》序言部分
在人工智能发展早期，机器学习技术内涵几乎全部是符号学习，从二十世纪九十年代起，统计机器学习犹如一匹黑马横空出世，迅速压倒并取代了符号学习的地位。但这并不意味着符号学习完全被统计学习所取代，相反单纯的统计机器学习，在最近的发展历程中已经走到的尽头。“三十年河东，三十年河西”，符号学习又有了翻身的机会。但是这并不意味着统计学习的衰退。相反，这是机器学习的一个重要的转折点。从此以后统计学习应该和知识的利用相结合。呈“螺旋式上升，进入更高级的形式。”，否则，统计学习可能面临着停滞不前的危险。最近几年，人工智能很大程度上集中于统计学和大数据，随着计算能力的大幅度提高，这些领域曾经取得过令人影响深刻的研究成果。但是随着技术的不断发展和改进，提高。相信总有一天AI领域会对其Say goodbye。转向更加基本的认知科学研究。返璞归真，回归最基础的“认知”。
王珏教授认为统计机器学习不会一帆风顺，其依据是，统计机器学习算法都是基于样本数据独立同分布的假设，但自然界千变万化，哪里来的那么多独立同分布。那么问题就来了，独立同分布条件对于机器学习来说真是必须的吗？独立同分布不存在一定是一个不可逾越的障碍吗？无独立同分布条件下的机器学习也许只是一个难题并非是一个无法解决的问题，该书的序言的作者，陆汝铃教授提到一个想法，前段时间所提及的迁移学习也许将会给解决这一问题带来一线曙光。尽管现阶段的迁移学习需要迁移双方同时具备“独立同分布”条件，但是不同分布之间的迁移学习，同分布和异分布之间的迁移学习迟早会出现。
近年来，大热的“深度学习“，”无终止学习“等等，广泛赢得了社会上的关注。尤其是”深度学习“，吸引了无数研究者前去学习，可是它真的就代表这机器学习的新方向吗？但很多学者认为，深度学习的大热，在理论和技术上并无大的创新，只不过是由于硬件技术的提高，从而提高了计算速度。使得人们能够采用原来复杂度很高的算法，从而得出更加精确的结果。这对推动机器学习的事件具有很大的意义。
数学，在机器学习上起着关键的作用，”数学之大，就像大海“，机器学习上不仅仅是统计学的应用。其他数学分支也在机器学习上得到了很好的应用。高深的数学理论是推动机器学习发展的最好动力。数学的不断发展进步，将对机器学习的发展产生深远的影响。同时数学家介入机器学习研究之中是十分必要的。
同时，大数据时代的出现，对于机器学习带来的影响是不可磨灭的，它给现阶段的统计机器学习带来了更多机遇。海量的数据更加需要统计，抽样，分类。这些更需要统计学来支撑。大数据时代正在加速中机器学习的发展。
最后，我有一点我自己的思考。也算是我自己的一些想法吧。
我们为什么要学习机器学习？真的是随波逐流吗?至少我不是。在大二上学期开学一次课程设计老师给我演示过他做的一个项目之后，我就对这方面产生了浓厚的兴趣，而这个也和传统的语言学习有所不同，它注重积累，不是那些培训班三五个月能够速成的。当然，这半年来我也接触了很多培训班的人，也接触了很多和我有同样爱好的人。有一点可以明显发现，很多机器学习的原理十分深奥，对于培训班来说，线上教学，不可能把大多数时间拿来解释原理，更多是时间，而这对于想要深入了解的人并无好处。举个较为形象的比喻，”学习会使用机器学习你只是会吃菜，深刻理解原理你将学会自己炒菜“。
现在我来用我的观点回答一下，我为什么要学习机器学习。大话就是，如今的视界飞速发展，技术日新月异。而最近今年机器学习大热，大有取代传统开发之势，同时随着物联网技术的发展，更多的技术上被用于生活，简单的说就是需求决定了事物的发展趋势。
从小处着眼，那边是兴趣，兴趣是最好的老师，一旦你对这方面建立了一定的兴趣之后，将会取得很快的进展，我不管机器学习未来的趋势如何，我会坚持学习下去。