機器學習
機器學習(Machine Learning)是研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，重新組織己有的知識結構，使之不斷改善自身的性能。它是人工智能的核心，是使計算機具有智能的根本途徑，其應用遍及人工智能的各個領域，它主要應用於歸納、綜合，而不是演繹。
學習能力是智能行爲的一個非常重要的特徵，但至今對學習的機理尚不清楚。人們曾對機器學習給出各種定義。H.A.Simon認爲，學習是系統所做的適應性變化，使得系統在下一次完成同樣或類似的任務時更爲有效。R.s.Michalski認爲，學習是構造或修改對於所經歷事物的表示。從事專家系統研製的人們則認爲學習是知識的獲取。這些觀點各有側重，第一種觀點強調學習的外部行爲效果，第二種則強調學習的內部過程，而第三種主要是從知識工程的實用性角度出發的。
機器學習在人工智能的研究中處於十分重要的地位。一個不具有學習能力的智能系統難以稱得上是一個真正的智能系統，但是以往的智能系統都普遍缺少學習的能力。例如，它們遇到錯誤時不能自我校正；不會通過經驗改善自身的性能；不會自動獲取和發現所需要的知識。它們的推理僅限於演繹而缺少歸納，因此至多隻能夠證明己存在事實、定理，而不能發現新的定理、定律和規則等，隨着人工智能的深入發展，這些侷限性表現得愈加突出。
正是在這種情形下，機器學習逐漸成爲人工智能研究的核心之一，它的應用已遍及人工智能的各個分支，如專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等領域。其中，尤其典型的是專家系統中的知識獲取瓶頸問題，人們一直在努力試圖採用機器學習的方法加以克服。
機器學習的研究是根據生理學、認知科學等對人類學習機理的瞭解，建立人類學習過程的計算模型或認識模型，發展各種學習理論和學習方法，研究通用的學習算法並進行理論上的分析，建立面向任務的具有特定應用的學習系統。