一、关于机器学习所谓机器学习，最简单明了的说法就是让机器像人那样学习(不过，由于人工智能技术，机器可能自己涌现出超人类的智能），所谓的机器就是指计算机一类的机器（包括电子计算机、中子计算机、光子计算机和神经计算机等）
在上个世纪60年代，机器学习就被定义为一门人工智能的科学，今天它更是一门多领域交叉学科涉及到概率论、统计学、逼近论等复杂科学。
如果再用最简单直白的话说，机器学习就是让机器自己通过学习大量的资料，然后自己总结规则，归纳出自己学习的成果。
其应用场景其实相当广泛。网上的一些回答，倾向于把它的应用场景约束在一些非常科学或者仅仅数理研究上的东西上。而实际上，包括人脸识别、阿尔法狗等，都是机器学习的应用场景。
二、场景：人脸识别、下棋、开车等对于人脸等图片的识别，需要大量输入相关资料，好让机器自己通过深度学习，从这些资料中归纳出机器能够识别的规律。
至于像阿尔法狗那样的计算机围棋高手，可谓是深入学习的楷模。在其第一代的时候，阿尔法狗可以输入各种棋谱提升自己的能力，从而远超人类同行。
而在第二位的时候机器甚至可以自己和自己下棋，因此除了更多人类都没有见识过的新棋谱。
随着人工智能的普及，机器学习将会被用到越来越广泛的领域里。毕竟整个世界有无穷无尽的信息和资料，而光靠人是无法全面接收的。让特斯拉那样的智能电动车，拥有高超的机器学习能力，持续学习每天瞬息万变的交通情况，那么使时间长反而性能就会越好，
这也正是深度学习的强项，在算法一定的情况之下，唯有更大数量，更全面的数据才能够更好地展现算法的优势，甚至改良计算机的算法。
