人类文明的进步是一步步把人从他们需要做的重复性的工作中解放出来，去做他们更想做的事情。
这就需要各行各业实现自动化，智能化（可以认为时自动化的高级阶段）。
不知道你有没有人和你说过，当你在电脑上做同样的事情超过两次时，你就需要写一个程序去做它。这就是用程序的方法实现自动化。
但问题出现了，有些任务很难用程序实现。比如要在任意视角任意光线下识别一个二维图片中的三维物体，这个任务要么无法用程序实现，要么写出来的程序会无比复杂。
于是机器学习出现了，不需要手写代码/程序，只需要收集与你的任务相关的大量例子/数据，由机器学习方法可以从这些例子/数据中得到可以完成任务的程序。
需要注意，由机器学习方法得到的程序和传统的手写程序很不一样，机器学习得到的程序（如深度神经网络模型）可能包含上百万的参数。如果我们做的正确，机器学习得到的程序可以应对新的输入数据，得到正确的输出。当输入数据改变时，机器学习得到的程序可以通过用新的输入数据重新训练而被重新得到。
现在训练大量数据得到新的机器学习模型以及参数（也就是由机器学习得到的程序），特别在以下任务上，比雇人手写特定的程序来完成任务，有明显的优势。
模式(pattern)识别：如识别图片中的物体，识别人的脸，识别人说的话。
异常现象识别：判别当前的情况和正常的情况是否已经明显不一样，如异常的转账交易，核电站中异常的传感器数据等。
预测：比如预测你会买什么东西，于是推荐给你；预测汇率和股票价格等。
总体说，机器学习是一个方法，通过这个方法你可以设计一个参数超级多的模型去完成任务（解决问题），这个模型的参数可以通过训练数据得到。
总结：我们需要机器学习这个方法，因为它比人写程序解决特定问题更高效，更比用人力以重复性的工作一次次的去完成任务更高效。机器学习 > 人写程序 > 人工
更多的关于机器学习的介绍，可以观看大牛Geoffrey E. Hinton 的视频讲解 https://www.cs.toronto.edu/~hinton/coursera/lecture1/lec1a.mp4
祖国翔，于上海
