機器學習是繼專家系統之后人工智能應用的又一重要研究領域，也是人工智能和神經計算的核心研究課題之一。現有的計算機系統和人工智能系統沒有什么學習能力，至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。本章將首先介紹機器學習的定義、意義和簡史，然后討論機器學習的主要策略和基本結構，最后逐一研究各種機器學習的方法與技術，包括機械學習、基于解釋的學習、基于事例的學習、基于概念的學習、類比學習和基于訓練神經網絡的學習等。對機器學習的討論和機器學習研究的進展，必將促使人工智能和整個科學技術的進一步發展。
　　現在，我們先來討論第五章的第一節，機器學習的研究意義與發展歷史 ……
5.1 機器學習的研究意義與發展史
5.1.1 機器學習的定義和研究意義　　
　　學習是人類具有的一種重要智能行為，但究竟什么是學習，長期以來卻眾說紛紜。社會學家、邏輯學家和心理學家都各有其不同的看法。按照人工智能大師西蒙的觀點，學習就是系統在不斷重復的工作中對本身能力的增強或者改進，使得系統在下一次執行同樣任務或類似任務時，會比現在做得更好或效率更高。西蒙對學習給出的定義本身，就說明了學習的重要作用。
　　機器能否象人類一樣能具有學習能力呢？1959年美國的塞繆爾(Samuel)設計了一個下棋程序，這個程序具有學習能力，它可以在不斷的對奕中改善自己的棋藝。4年后，這個程序戰勝了設計者本人。又過了3年，這個程序戰勝了美國一個保持8年之久的常勝不敗的冠軍。這個程序向人們展示了機器學習的能力，提出了許多令人深思的社會問題與哲學問題。
　　機器的能力是否能超過人的，很多持否定意見的人的一個主要論據是：機器是人造的，其性能和動作完全是由設計者規定的，因此無論如何其能力也不會超過設計者本人。這種意見對不具備學習能力的機器來說的確是對的，可是對具備學習能力的機器就值得考慮了，因為這種機器的能力在應用中不斷地提高，過一段時間之后，設計者本人也不知它的能力到了何種水平。
　　什么叫做機器學習(machine learning)？至今，還沒有統一的“機器學習”定義，而且也很難給出一個公認的和準確的定義。為了便于進行討論和估計學科的進展，有必要對機器學習給出定義，即使這種定義是不完全的和不充分的。顧名思義，機器學習是研究如何使用機器來模擬人類學習活動的一門學科。稍為嚴格的提法是：機器學習是一門研究機器獲取新知識和新技能，并識別現有知識的學問。這里所說的“機器”，指的就是計算機；現在是電子計算機，以后還可能是中子計算機、光子計算機或神經計算機等等。