机器学习，特别是深度学习在最近几年内闹得沸沸扬扬，以至于现在无论是大虎小猫都愿意，甚至是急不可耐地和这类名字沾个边。加上去年AlphaGO，今年年初Master在围棋界所向披靡，有人开始恐慌起人类未来要被机器（人工智能）取代。那么本人也就是在这种莫名其妙的情况下，外加老朋友的热情推荐之下，稍微了解一下了这方面的内容，因此写一下自己近期对这方面的看法，仅代表个人不成熟的观点。
对于机器学习，本人认为本质上还是算法，其次是编程。说是算法，更本质的应该是数学（统计学，线性代数，微积分等等），对方方面面的数据进行分析，包括按照需求对数据进行初步的分类，或者说形成“簇”，再对“簇”进行分析拟合或再分类，对每一个步骤进行结果分析，反馈（反馈向下一个步骤或反馈回程序的开头），最后收敛到一个好的结果，结束所有的过程，由计算机或某个机器输出结果，表现在具体的行动上。至于编程，无非就是根据算法的需求，按照while，if，end等这类编程语言实现算法的循环反馈输入输出。
这么看来，以其说是机器学习或深度学习，不如说是一种数据分析的延伸，多出来的只有参数变多了，数据量变庞大了，步骤变得复杂了，原本可能是由人来做最后的分析变成了由机器按照设定的编程步骤进行判定输出。至于人脸识别，图像识别这类，无非是建立一个庞大的数据库，比如人类识别可以通过第一次通过收集A的脸部，包括正脸，侧脸，微笑，点头等动作，接下来每一次根据A的眉毛眼睛鼻子动作特征进行比对，如果把这些特征都当做一个参数来保存，机器根据算法比对，结果只要能达到某个临界值就判定这个人是A。而图像识别也不外如此，唯一的区别似乎是图像识别事先根据大量的图像收集，形成了一个庞大的数据库。因此我觉得像这样应用起来就像数据挖掘的机器学习不应该是叫机器学习，更不应该挂上深度学习的牌子，老老实实地说是数据分析或数据挖掘来得更实在一点。真正的深度学习也不会满足于只是单纯在数据分析中依靠硬件或程序加速运算—或更好一点的说是训练—的速度，而应该有更广阔的前景，至于是什么，我也说不上来。做为小白，我还是要再深入地学习之后再说。
最后对那些抱着“人类会被人工智能取代”“人类只有和机器结合才会有未来”观点的人，我还是抱歉说一声，你们考虑的事情也许在某某个未来真的会出现，不过起码现在不会有一点点的迹象出现，因此奉劝这类人以其终日惶恐，不如好好做好本职工作，少操心多做事。至于人类的工作是否会被人工智能取代，造成大批量的失业人员出现，我只能说一声取代你工作的只是机器，不是人工智能，就如同历史上每一次的变革总会造就一批行业被淘汰一批人员被下岗，之后又会有适应这一变革的新工种新岗位新人员出现。一切打着人工智能会在几年几年之后取代人类，抢夺人类饭碗的文章大体上要么是华而不实纯属营销需要的标题党，要么就是担心这担心那的无事生非的无聊人。没必要理会太多。
