微信搜索“高速商务通”，马上办理ETC
人工智能研究人员从一开始就认识到，学习能力是人类智能的一个重要方面。问题是人们如何学习？我们可以编程计算机以同样的方式学习吗？
学习与物理符号系统假设并不矛盾; 通常，在遵循符号系统方法的AI应用程序中，学习（如果有的话）是预先完成的，以帮助开发最终打包和使用的符号和规则。用于预期的应用。但正如知识的作用可能在最早的人工智能系统中未被充分认识一样，学习的重要性和价值 – 不仅是提前而且作为解决许多实际问题的持续部分 – 可能没有得到应有的重视。
学习可能主要来自经验，实践或培训，而不仅仅来自推理，尽管这肯定会有所帮助。要说学到的东西意味着它不仅仅是捕获和存储，因为数据在数据库中 – 它必须以某种方式表示它可以被使用。作为一般描述，计算机程序从数据中学习提取模式。这些数据可能采取看似无穷无尽的各种形式 – 从行驶的汽车拍摄的视频，急诊室的访问报告，
北极的表面温度，Facebook喜欢，蚂蚁踪迹，人类语音录音，在线广告点击，中世纪出生记录，声纳探测，信用卡交易，轨道行星过境时遥远恒星的变暗，股票交易，电话，购票，法律诉讼的成绩单，推文（来自推特和鸟类） – 只关注任何可以捕获，量化或以数字形式表示的内容。
当然，人们一直在收集和分析数据，因为任何参加统计课程的人都知道。那么什么是新的和不同的？大规模和一些新颖的计算技术似乎模仿了人类大脑的某些方面，这表明我们可能非常接近于发现至少一些隐藏的心灵如何运作的秘密。新的以数据为中心的人工智能方法有几个名称，最常见的是“机器学习”，尽管你可能已经听说它在媒体上被称为“大数据”或“神经网络” – 一种特定的机器方法学习（但不是唯一的）。
