欢迎关注ScalersTalk。IT人，搞技术，聊英语，玩口译，话学术，谈生活。学习成长，笔耕不辍。回复m查看文章列表，或者访问S君小站ScalersTalk.com

你现在看到的是技术系列文章，目前已经发表的文章如下，回复括号数字可阅读。

海量数据处理系列的前两篇：

[213]签名：集合的归纳描述

[207]海量数据相似性检测：文档的抽块处理(Shingling)

其他系列：

[152]清高与小我：谈技术人员的优越感(4)

[150]清高与小我：谈技术人员的优越感(3)

[149]清高与小我：谈技术人员的优越感(2)

[148]清高与小我：谈技术人员的优越感(1)

[112]扯点密码学：可证明安全随笔

[250]机器学习成长笔记(1)

[251]机器学习三要素：机器学习成长笔记(2)

公式采用的Latex编辑，可以在原文链接里看到转化后的版本。

3.为什么需要机器学习

这个题目有些大。我谈谈自己的理解，随着后续学习的深入，也可以重新思考本题。

在工业时代，信息产生速度慢，流动性低，这个场景下有些工作会强烈依赖于人工的操作，所以机器学习能显示出来的作用于价值也不高。而且决策者对人的依赖或者置信度也高，更倾向于认为人会是准确的。

信息时代的数据量越来越大，尤其是互联网时代，以及移动互联网时代的来临，数据来源爆发式增多，也带来了数据量的井喷。这也就是我们所说的大数据时代的来临。

如果说小数据时代人工会优于机器，那在大数据时代，机器头一次有了超越人工的可能。基于机器系统构建的商业系统，支撑了全球多家市值最高的公司，他们的人均贡献利润是很高的。据Pingwest根据年报统计，近年腾讯、百度和网易三家公司的平均员工贡献利润在互联网行业最高，达到人均8万美元以上。这一方面是由于互联网的朝阳性所致，另外一方面也的确可以说明，机器的力量。同时还能说明做IT能赚的多，是因为利润贡献的多。

现在国内还有不少传统企业仍然是沿袭着上一个时代的思维方法与生产工具，依靠人的力量来完成很多简单重复的劳动工作。这个会随着移动浪潮的到来，逐步的改进，拥抱一个更加智能与更加依靠机器的时代。

机器的好处就是快速，还有不受情绪的影响。我以前说过，人的表现会有不稳定的状态，虽然我们的目标是做一个稳定的表现者，但是一个工作群体在统计上还是会出现偏差。而机器是没有垃圾情绪的，不需要人来安慰，机器给你带来的问题就是你自己脑子里没有想清楚逻辑时所产生的问题，这都是程序员自身的问题。这也是IT男适合作伴侣的原因，虽然他们不善于和人交流，因为他们都泡在机器里，但是他们遇到问题从来都是在自己身上找问题的。

所以，说到底，机器学习是一种解决问题的方式，或者说工具。

但是我个人的观点是，在一定技术水平条件下，机器还是无法完全替代人。所以一个综合机器与人工的全面的系统，反而能利用好二者的优势，达到一个最理想的平衡效果。

回复“100小时”查看口译100小时训练计划；回复“十万字”查看十万字视译计划。

S君的口译100小时、十万字视译训练交流QQ群，欢迎加入（群号为231441722）

S君个人微信号，ScalersTalker欢迎添加。

如果你觉得S君的文章对你有用，让你有所思有所想有所行动，不用感谢，打赏请S君喝杯咖啡就行:P 。支付宝账号是

scalerstalk [at] gmail [dot] com

想看更多相关文章，关注 ScalersTalk 回复任意小于标题括号中的三位数字查看。或者去我的站点 ScalersTalk.com 查看历史文章。