机器学习在人工智能中扮演着重要的角色。它涉及开发允许计算机自主学习的算法和模型。它用于许多应用，从图像和语音识别到进行预测和决策。

• 计算机视觉是人工智能的一部分，可帮助计算机理解和理解图像和视频。这些人工智能系统通常使用“监督学习”（如下所述）来识别物体、识别图像的不同部分以及有效地执行其他视觉任务。从某种意义上说，它试图复制人类的视觉感知。

机器学习主要有三种类型：监督学习、无监督学习和强化学习。

• 监督学习： 在监督学习中，算法是在所谓的“标记数据”上进行训练的。这只是意味着数据已经与正确的输出或答案相关联。人工智能使用标记数据来识别模式，进而对从未见过的信息做出预测。监督学习的例子包括理解图像和语音识别。

• 无监督学习： 无监督学习是指计算机自行探索数据以寻找隐藏的模式和结构，而无需被告知要寻找什么。它通过将相似的信息分组或寻找将其分解为不太复杂的内容来实现这一点。无监督学习的一些例子包括推荐系统、网络安全和财务预测。

• 强化学习： 计算机程序通过与周围环境互动并得到积极或消极的反馈来学习。它试图通过从错误中学习来了解哪些动作会给它带来最积极的反馈——有点像反复试验。强化学习可用于教计算机如何玩游戏或控制机器人。

通过使用数学来识别数据中的模式和关系，机器学习算法可以进行预测、对信息进行分类并做出艰难的决定。人工智能应用程序可以分析大量数据，而我们自己很难（或几乎不可能）分析这些数据。