机器学习的本质是模式识别。 一部分可以用于预测（有监督学习，无监督学习），另一类直接用于决策（强化学习），机器学习的一个核心任务即模式识别， 我们通常可以用模式识别来对我们未来研究的系统进行归类， 并预测各种可能的未来结果。

　　也许晦涩的概念解释你看半个小时也不一定能看懂，而想要了解这项技术，最好的办法就是亲自尝试一下，而这也是谷歌的这项内容的宗旨所在。

　　最近我们总听什么机器学习技术机器学习技术的，那么究竟什么是机器学习技术？它又是如何工作的呢？也许晦涩的概念解释你看半个小时也不一定能看懂，而想要了解这项技术，最好的办法就是亲自尝试一下。

　　现在谷歌就推出了一项名叫Teachable Machine的实验性浏览器教学内容，它通过简单的两分钟内容，就通过视频和图片的方式直观的告诉我们现代人工智能技术能做到哪些事情、哪些还暂时无法做到。

　　Teachable Machine可以让我们用自己的网络摄像头来训练出一个非常基本的人工智能程序，只要点击包括绿色、紫色、橙色等按钮，机器就能通过摄像头记录下它看到的一切。一旦“它”学会了足够多的内容，就会自动输出你喜欢的任何东西（一个gif图、一个音效或一些文字），而这些都是在我们训练它看到的对象或活动之后。比如我教它识别室内的植物，并且做出对应的gif动画，还可以自动在手势控制的方式下弹奏吉他。

　　所有这些内容都非常有趣，也展示了机器学习技术的一些基本原理。首先，这样的程序都是通过实例学习来实现。先看，然后找到模式，然后记住。其次，它需要大量的例子来学习。第三也是最重要的，目前它理解世界的方式还很肤浅，很容易培养。

　　比如最开始我教它识别家里的植物，事实上我只是教它识别了一个模糊的像素组。它没有看到芦荟，然后就会联想到为什么年轻人喜欢在室内养植物？也许就是因为买不起大房子，而从此就会贴上特别的标签。所有的机器都是通过看到的东西进行基本的信息识别，而其它额外的信息也需要被编入到程序中。

　　通过谷歌的Teachable Machine我们对机器学习技术有了进一步的了解，而下次就能更好的理解人工智能或机器学习技术的进步。但随着它看到的东西越来越多，算法的创建并没有我们大脑想象的那么聪明。换句话说，它还在继续学习中。