世界已经被数据填充，越来越多的数据。图片、音乐、文字、表格、视频以及更多。但是短期来看并不会有放缓的迹象。机器学习带来了从数据中获取资源的意义。

在这个系列中，我想带上你一起开始我们的AI冒险，用来探索艺术、科学和机器学习工具。沿着这条路，我们会看到它怎么创建这些令人惊讶的体验以及产出有价值的见解。我们会从高级的概念开始并且慢慢投入到技术的详细阶段。

阿瑟·c·克拉克曾经说过：

“任何足够先进的技术都是和魔法没有区别的”

首先，机器学习可能看起来像魔法，但是你一旦进行了深入理解，你会看到这些数据的意义。

数据就在我们身边

传统角度来说，人们已经分析了数据并使系统适应数据模式的变化。然而，数据的量以及完全超过了人类的能力并且手动编写了规则，我们会从数据中学习越来越多的自动化系统，并且，重要的是在数据中的改变，来适应切换数据景观。

机器学习无处不在

我们今天看到机器学习在我们的世界无处不在，但是它并不是显现的，而是隐藏在背后的。当标记对象和识别图片中的人都是通过机器学习的时候，你可能意识到例如视频推荐系统同样也是机器学习所驱动的。

当然，也许Google搜索就是最大的例子。每一次你使用Google搜索的时候，机器学习就是它的核心，从理解你输入的文字提问到调整基于你个人兴趣的结果。当你搜索“Java”的时候，机器学习就决定了你在显示的答案，答案所显示的内容取决于你是咖啡专家还是一个开发者。也许你两者都是。

今天，机器学习会立即地应用到很宽广的领域，它包括图片识别，欺诈识别，推荐引擎，同样也包括文字和演讲系统。这些强有力的能力会应用到一个非常大的领域，从糖尿病和皮肤癌症诊断到零售，当然也包括交通系统，例如自动停车和自动汽车驾驶。

就在不久之前，很多公司就位自己的产品提供了机器学习，它被认为是新颖的概念。现在，每个公司都希望自己的产品能够用上机器学习。它正在迅速变成一个可期待的功能。正如我们期待公司能够有一个网站或者在我们的手机上有一个APP，我们所期待的个人化、有见解的和自动纠错的功能会很快到来那一天。

作为我们使用机器学习来让现有的人们的人物更好，更快或者比以前更简单，我们仍然可以期待将来，因为机器学习能够帮助我们去做一些我们不能够完成的任务。

谢天谢地，高级的机器学习没有那么的困难。相关的工具也是非常的好用的。你所需要的就是数据，开发者以及一个入坑的意愿。

作为我们的目的，我们可以很明确的将机器学习分为下面五个词：

“使用数据回答问题(use data to answer questions)”

当然，这有些过于简化了，但是它仍然提供了一个有用的目的。

在特殊情况下，我们可以将上述的词分为两个部分“使用数据(use data)”，并且“回答问题(answer question)”。这两个分类大概的描述了机器学习的两个方面内容，这两个方面的内容都同样的重要。

"使用数据(use data)" 使我们通常意义上所指的“训练(training)”,而"回答问题(answer question)" 是我们通常所指的"进行预测 (make prediction)"或者说"预测(inference)"

将上述这两个部分连接起来的事物就叫做模型(model).我们训练模型可以让我们的预测越来越有用，并且可以使用我们的数据集。这些预测模型可以被部署用于预测之前从来未看见的数据上。

你可能注意到，这个过程中关键的组件就是数据。数据是解锁机器学习的关键点，同样机器学习就是解锁这些数据洞察的关键。

这就是关于机器学习的概览，为什么机器学习那么有用，以及介绍了它相关的一些应用。机器学习是一个非常宽广的领域，横跨了整个技术领域，并从数据中对答案进行推理。在未来，我们会让你更明白对于给定的数据集和要回答的问题应该使用什么方式，同样提供一个工具用于实现它。

这是关于云AI冒险的一些列视频中的第一段。在下一次的时候，我们会潜入具体的过程中来解释机器学习的详细内容，并且一步一步的教你怎么用机器学习解决问题。