“从 100 多年前开始，电改变了每个主要行业。现在的 AI 也是一样。多家大型技术公司已经建立 AI 部门，并着手利用 AI 进行转型。在未来数年中，各种规模、各个行业的公司将意识到他们也必须成为 AI 驱动型未来的一部分。” —— Andrew Ng
19世纪初，蒸汽机的发明让最初一批懂得使用蒸汽动力的人有无限的可能性；20世纪初，电的发明让最初一批懂得使用电的人有无限的可能性；1980年代，改革开放让最初一批懂得利用市场经济的人有了无限的可能性；现在，机器学习的崛起同样也让懂得利用机器学习的人有无限的可能性。
得益于现在计算能力的大幅提升，机器学习技术开始飞速发展。它之所以能够飞速发展，是因为它相对于人类有很多优势。
机器学习技术可以发现人脑难以发现的模式。人类是自然进化的生物，在认知方面往往受限于自己的感官和“常识”。而机器则不同，机器的感官理论上可以无限多，比如说给电脑添加红外线的探测器，电脑就有了红外线的感官，添加超声波的传感器，电脑就有了超声波的感官。如有你愿意，甚至可以给电脑添加卫星云图的感官。采用合理的算法，输入数据的维度（感官数量）越多，越有利于电脑发现隐藏在其中的模式。并且，通过一些非线性运算，一些很难在低维空间发现的模式在高维空间就会变得容易辨识，电脑就可以轻易地识别。
机器学习技术的学习速度大大快于人类。得益于目前的计算速度，电脑可以快速的学习大量的样本，也许机器学习技术所构造的神经网络没有人类聪明，但它们比人类“刻苦”。它们可以在短时间内反复学习大量的样本，并且他们过目不忘，因此目前在将机器学习用于识别目的的领域，机器学习都表现出比人类强大得多的能力。
机器学习技术的表现相对于人类稳定。当人类做一个决策时，能够影响人类的因素太多了，有时候甚至一点风吹草动都会很大程度上影响人类的决策。然而机器学习不会这样，主要输入不变，就可以保证输出不变，所以当用机器学习技术来进行执行任务时，不用担心电脑疲劳，不用担心电脑开小差，也不用担心电脑有自己的小九九。
比人类学习的方式更丰富，比人类学习的速度更快，比人类更可靠。这些优势已经足以使机器学习技术大有用武之地。除此之外，机器学习技术未来还有巨大的发展空间。由于目前神经生物科学和电脑技术的局限，机器学习技术主要用于“识别”方面的领域，创造方面的领域暂时涉及不多。但现在科学的发展越来越快，并且在机器学习技术的帮助下，人类能够从大量的“体力活”中解放出来，将更多的精力投入到创造性、开创性的任务之中，因此机器学习技术会促进科学技术更快的发展，而新的理论发现、新的技术又会帮助机器学习技术更快的发展。如此循环往复，机器学习技术的未来可谓是不可限量。
刮大风的时候，猪都可以起飞。在风真正刮大之前，我们就应该选择一个有利于起飞的位置。因此，我们应该根据自己的情况和兴趣及早地选定方向和占位。如果你有学霸特质，恰好对机器学习也感兴趣，那么在大时代的洪流中，出成果是大概率的事件。如果你更侧重于应用，并且很有自己的想法，那么将机器学习技术想办法应用到你所在的领域很可能是一个非常不错的主意。
