یادگیری ماشین روشی از هوش مصنوعی است که در آن بهجای نوشتن صریح قانونها، مدلی از دادهها الگو یاد میگیرد. قانون ساده: هرچه نمونههای باکیفیتتر و بیشتر، عملکرد بهتر — بدون اینکه برنامهنویس تکتک حالتها را پیشبینی کرده باشد.
چرخهی کار همیشه سه بخش است: داده (ورودی و پاسخ نمونه)، مدل (ساختار قابلتنظیم) و فرایند آموزش که خطا را کم میکند. بعد از آموزش، مدل برای ورودیهای تازهای که هرگز ندیده است تعمیم میدهد — و همین «ارزش اصلی» است.
اگر برنامهنویسی سنتی نوشتن دستورالعمل است، یادگیری ماشین «طراحی کارگاهی است که دستورالعمل را خودش میسازد». برای کارهایی مثل تشخیص اسپم، پیشبینی قیمت و رتبهبندی جستجو که قانونهای دستیشان شکننده و بیپایان است، ML انتخاب طبیعی است.
