編按：人類從農業社會、工業社會，一路發展到現在的資訊社會，大數據、人工智慧、機器學習與演算法成了現代人們共同追求的方向。本文摘自《大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？》（The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World）一書，作者佩德羅多明戈斯（Pedro Domingos）透過低科技（low-tech）的農業（farming）來比喻機器學習，對當今的「資訊生態系統」做出有趣的詮釋。

或許機器學習的強大魅力，透過低科技（low-tech）的農業（farming）比喻，是最恰當的詮釋。

在工業社會中，產品由工廠製造，意味著工程師必須確切地弄清楚究竟如何從零件組裝產品、如何製造生產這些零組件等，從頭到尾都與原物料有關，而且整個過程都有許多工作必須進行。電腦則是有史以來發明過最複雜的產品，從設計到工廠大量製造，以及運行在電腦上的軟體程式都是相當繁重的工作。

但還有另一種更古老的方式，這種方式可以讓我們取得一些需要的東西，藉由大自然製造生產它們。在農業時代，我們播下種子，確保它有足夠的水分和養分，最後收割這些種植的作物。技術為什麼不能更像這樣呢？可以的，而且這是機器學習的承諾。

機器學習演算法就像種子一樣，數據資料是土壤，而學會的軟體程式就是種植的作物。機器學習專家就像農夫，播下種子，辛勤灌溉土壤並加以施肥，同時密切關注作物的健康，但是在其他方面就不必特別介入了。

何謂機器學習

每當我們看到「機器學習」的這個字眼，兩件事情立即浮現出來。

第一，我們需要越多的數據學習資料，機器才能學習到越多。如果沒有數據資料，就沒有什麼可以學習的了，因為大數據可以讓機器獲得更多的學習，透過指數倍增與堆積如山的數據資料，來推動機器學習的迅速發展。如果機器學習是某件你在超市購買的商品，那麼商品的紙箱上一定會特別標示「運作時只需要添加數據來學習資料」。

第二，機器學習可說是一把能砍殺恐怖怪物的利劍。只要給予足夠的數據資料，一套只有幾百行程式碼的學習程式，就能輕易產生一套數百萬條程式碼的軟體程式，而且可以針對不同的問題，一次又一次地做到這一點。然而，就像九頭魔蛇海德拉一樣，就算我們砍斷怪物舊的頭，它依然會立即長出新的，但新生成的頭剛開始比較小，而且需要一段時間成長，所以我們仍取得了優勢。

機器學習擁有許多不同的形式，而且也有許多不同的名稱，例如：樣式辨識（pattern recognition）、統計模式（statistical modeling）、資料探勘（data mining）、知識發現（knowledge discovery）、預測分析（predictive analytics）、資料科學（data science）、自我調適系統（adaptive systems）、自我組織系統（self-organizing systems）等。機器學習被不同的領域廣泛地使用，而在這本書中，我則統一使用「機器學習」這個術語，來泛指所有的機器學習。

從資訊處理的生態系統看機器學習

機器學習有時會與人工智慧（Artificial Intelligence，簡稱 AI）混淆。從技術面來說，機器學習是人工智慧的一個分支領域，但由於機器學習擴展得如此廣大與成功，以至於如今已讓它引以為榮的父母 —— 人工智慧 —— 黯然失色。發展人工智慧的目標，就是教導電腦做到比現在人類所做的更好境界，而機器學習可以說是這些事情中最重要的。如果沒有機器學習，就沒有電腦可以長期跟得上人類的腳步；有了機器學習，其餘的電腦則會遵循它的發展。

在資訊處理生態系統中， 學習器是「超級食肉動物」（superpredators）；資料庫（Databases）、資訊採集器（crawlers，又稱檢索器）以及分析索引子（indexers）等，都可以說都是草食動物，它們有耐性地在一望無際的資料領域進行探勘挖掘（munging）；至於統計演算法（Statistical algorithms）、線上分析處理（online analytical processing）等，就像是肉食性動物。

在生態系統中，草食動物的存在是必要的，沒有牠們，其他動物便不可能存活，同時間，超級食肉動物也讓我們的生活更精采。資訊採集器就好比一頭乳牛，而網路則是遍及全球的牧草地，每一個網頁都是一根小草，當資訊採集器完成網頁探勘時，網站的副本會儲存在它的硬碟空間中，然後透過分析索引子針對每個出現的字詞，制定一個網頁的索引清單，很像是一本書後面所附的索引一樣。而資料庫就如大象，又大又笨重，而且資料會永遠儲存，不會忘記。整個資訊處理程序便是在這些有耐性的動物們之間，投以統計和分析演算法，執行壓縮和資料檢選，再把數據資料轉化為資訊。然後學習器會接收吃下這些資訊，負責逐量消化它，最後再把這些資訊轉化為知識。

工業革命（Industrial Revolution）是人力自動化的作業。同樣地，後來的資訊革命（Information Revolution）也是自動化腦力工作的作業流程，而機器學習則是自動化機器本身的新型態發展。

如果沒有機器學習，軟體程式設計師反而成為阻礙進展的瓶頸；有了機器學習，進展的腳步更加快了。如果你是一位懶散且不太聰明的電腦科學家，機器學習會是理想的職業，因為機器學習演算法能自動幫你完成所有的工作，但是讓你獨攬全部的功勞。另一方面，機器學習演算法可能也因此讓我們丟掉工作，這就是所謂理想的賞罰（poetic justice，又稱詩性懲罰）吧。

藉由採取自動化而達到新的境界，機器學習革命勢必將引起廣泛的經濟和社會變革，正如網際網路、個人電腦、汽車和蒸汽機，在它們的年代所扮演的角色一樣。而在這些改變，已經澈底改變商業型態的創新革命。

• 本文出自三采文化《大演算：機器學習的終極演算法將如何改變我們的未來，創造新紀元的文明？》