张鼎仁
61287部队
[摘要]机器学习其实就是计算机自海量化的数据当中找寻规律，对未知的数据加以预判的技术。当前机器学习已成为一种多领域交叉学科，对市场、行业发展趋向都具有重要研判意义。基于此，本文展开对机器学习技术的分析，主要围绕着发展和应用两点展开。
[关键词]网络文化环境；高职院校；思政工作；对策
毫无疑问，机器学习是目前计算机行业最为火爆热议的话题。这一概念最早诞生于1959年，提出者是亚瑟·塞缪尔。简单讲，机器学习就是计算机自海量化数据中找寻挖掘规律，对未知数据展开预判[1]。机器学习到目前为止已成为一门重要学科，和计算机统计学一样，均是借助于计算机展开对市场和行业的分析。如今计算机行业工作者都会把机器学习当作实现人工智能的一大路径，也就是通过机器学习来不断处理和改进人工智能中的问题。
一、机器学习简述
机器学习指的是计算机运用当前大量数据，从中分析推导出某一种模型，以此来对未来进行预判。相较于传统计算机编程，机器学习只要采用海量数据，即可获得某种模型，而后按照模型展开研判预估，并不需要预先编译程序，操作更为便捷快速。自实践角度看，机器学习并不是建立在编程因果上而产生的，而是自分析整合中获得趋向动态的。
机器学习，最关键的元素是数据，好在我们当前处于大数据时代，最不缺的便是数据。近几年人类社会所产生的数据，已远超历史上所有的数据之和。究其原因，是传感器、连接设备的普及化应用造成的。如今，传感器设备每年度产生的数据多达几百泽字节，可以说机器学习的契机恰恰就在当下这个时代。很多专家也明确表示，机器学习是随着互联网的诞生、发展而逐渐发展起来的。
二、机器学习发展三个时期
人工智能诞生于1950年，发展到现在历经了三大时期，依次是推理期、知识期、学习期[2]。首先，推理期。这一阶段，只要赋予机器一定的逻辑推理能力，机器学习便能够拥有智能化模式。这一阶段中形成了两大程序，分别是a newell和h.simon发明的logic theorist程序和general problem solving程序。不过这一时期的逻辑推理，是无法满足人工智能探究要求的。其次，知识期。1970年正式迈入知识期，即人将知识予以归纳梳理，然后教给计算机。这一阶段出现了大量的专家系统。人工智能在诸多个应用行业都颇具成效。随着知识系统的不断发展，专家系统也越发复杂化，大家发现再依靠人工来对知识进行梳理、归纳并教给计算机，难度是相当大的。所以专家系统陷入了瓶颈期。而人工智能迎来了学习期，即自己学习知识、机器学习。
第三，学习期。机器学习的第一次诞生时间是1950年，图灵的文章中有所明示。1950年代中后期，以神经网络为基的连接主义学习渐渐发展起来，并产生了perceptron、adaline等。以计算机决策理论为基础的学习技术、强化学习技术迎来了发展繁盛期。1980年，机器学习渐渐成为独立化学科，各类机器学习技术层出不穷，呈现出一种百花齐放的态势。这一年首届机器学习研讨会也正是在美国召开。同时各类机器学习相关的期刊、文章等也如雨后春笋般不断冒出来。
1980年，《人工智能手册》中对机器学习方式进行了如下的划分：r.s.michalsk等提出，可以自样例当中进行学习，从问题求解中学习，透过观察发现来学习，借助于指令来学习。E.a.feigenbaum认为，机器学习有归纳式学习、机械式学习、类比式学习、示教式学习等。如果说样例学习是狭义的，那么归纳学习就是广义化的。这也反映出机器学习的不断深入研究和发展程度。
三、机器学习技术的应用探究
当前大数据时代，机器学习技术的运用范畴更为广泛化。比如伴随着物联网、移动连接设备的发展，图片、视频、文本等非结构化的数据会显著增多，机器学习模型也可以获得更多的数据资源。分布式计算会令机器学习速度愈加快速，机器学习的优势也将更显突出出来。机器学习会在很多行业、领域都有深入性的运用，会推动诸多智能化领域的发展，给我们的学习生活和工作带来翻天覆地的影响变化[3]。
机器学习技术的运用能够大大提升政府机构的工作时效。伴随着平安城市建设口号的提出，视频监控在多个领域获得了广泛应用，对保护社会秩序、维持社会安定作出了较大的贡献。不过也引发另一个问题，就是海量化的视频监控流使得倘若出现突发事故，那便需要大量的人力物力去不断的搜寻高效信息。视频监控中，人、车是两大关键要素。倘若可以对其施行外观甄别，则可大大提升工作人员的工作效率和质量，对于视频的检索、目标活动路线判断也有显著性有利作用。机器学习按照监督学习的模式，对人、车的属性特征展开精细化甄别，可迅速锁定目标，帮助有关工作者更好的获取目标活动路线图。
机器学习技术还能运用到环保部门的工作中。比如在全市设立空气质量监测站，通过站点来不断获得数据信息，依据信息来分析污染源所在、污染程度级别等，在此基础上，有针对性的落实对某些工厂或企业的减产或停产处罚，促使法律可以更到位更深入的践行[4]。长此以往，可以帮助政府机构来规划不同的功能区域布局，大大降低污染产生的不利影响。交通部也可借助于机器学习技术，运用各路口的摄像头来获得数据，为交通部署提供参考依据，像在各个不同时段、方向来设定不同的红绿灯时长、交通警察部署位置等。
机器学习技术还可以为商品营销、金融投资带来积极影响。每个搜索引擎网站可采用机器学习技术来对用户搜索记录、浏览时长、点击习惯等进行整合梳理，以此为基完成广告的更精准投放，促使广告的投入产出比不断提高。
伴随着手机等智能端的普及化应用，移动用户数据获取量也大大提升，机器学习技术在地理信息系统的配合和支持下，会令实体商家广告投放的精确度更高。
四、结语
人工智能的创新潜力是不可估量的，而机器学习的优势恰恰在于借助对数据中关系、趋势的判断，来发现隐藏式的结果。伴随着数字数据的激增，以及时代的快速化发展，机器学习技术的应用会更多元、更准确，为各行各业提供更多的预测研判，最大化发挥人工智能的性能效用，从而推动人类社会发展迈入全新的阶段。
参考文献
[1]厉旭然，丁晓红.机器学习的五大类别及其主要算法综述[J] .软件导刊，2018(2): 4~5
[2]刘凯，张利民.深度学习在信息推荐系统的应用综述[J] .小型微型计算机系统，2019（7）
[3]黄亚强.以机器学习为基础的人工智能[J] .电子技术与软件工程，2019（12）
[4]余涛，贾如春.基于机器学习算法人工智能技术的发展与应用[J] .专题研究，2019（3）