第一章 机器学习革命

算法：输入数据和算法，输出结果。

机器学习：输入数据和结果，输出算法。

在机器学习中，知识往往以统计模型的形式出现，技能往往以程序的形式出现。

机器学习是人工智能的子域。

懒惰而不聪明——学机器学习——一方面又会失业。

奥巴马机器学习团队——击败罗姆尼传统投票策略

第二章 终极算法

机器学习相同算法可完成不同的事情。

对所有主要的学习算法——最近邻、决策树、贝叶斯网络——来说，如果提供足够数据便可以实现任一功能。

本书的中心假设：所有知识，无论是过去的现在的还是未来的，都有可能通过单个通用学习算法来从数据中获得。

神经科学的论证：大脑是终极算法，大脑负责我们能感知以及想象的一切。

进化论的论称：生物多样性来自于单一机制：自然选择。

该机制中通过反复研究尝试许多备选方法来解决问题，选择并改进最优方案，并尽可能多地尝试这些步骤。

通过模仿自然选择来使程序进化。

统计学论证：所有形式的学习都是基于一个公式——贝叶斯定理。

计算机科学论证：NP完全问题。俄罗斯方块。P：能有效解决。NP：能有效找到其解决方案。

机器学习永恒的敌人——知识工程：认为知识无法自动被学习，必须通过人类专家编入计算机才能进行学习。

天鹅咬了机器人：“无论你的算法有多聪明，总有它无法掌握的东西。”

五大学派：符号学派、联结学派、进化学派、贝叶斯学派、类推学派。

例；68页，癌症问题的终极构想