第1章　机器学习的原理

软件开发者喜欢分享关于项目的故事。只要我们几个坐在酒吧里，就会有人问：“你现在的项目进行得怎么样了？”然后，我们边点头边听别人分享时而有趣时而可怕的故事。

20世纪90年代中期，一位朋友在一次笑谈中告诉我，她正在参与一项不可能完成的任务。她的经理们想要实现一个能够分析X光扫描图片并能够从图片中识别出疾病（如肺炎）的计算机系统。

我的那位朋友已经警告过她的经理们，说这个项目完全不可能成功，但经理们置之不理。他们认为，如果放射科的医生能够做得到，那么Visual Basic程序也一定能够做到。他们甚至让我的朋友与放射科医生在一起合作，这样她就能够熟悉放射科的工作内容并能够将这些工作内容转换成程序代码了。然而，这一段经历只是让她确信放射学需要人类的判断与智慧。

我们都因这项徒劳无功的任务而哈哈大笑。几个月后，这个项目就被取消了。

光阴似箭，在2017年年末，斯坦福大学的一个研究小组发布了一个能够分析X光扫描图片并能够从图片中识别肺炎的算法[1]。这个算法不仅能用，还比专业的放射科医生更加准确。这曾经被认为是不可能的！他们的程序代码到底是怎么写出来的？

答案是他们并没有写出代码。他们使用机器学习而不是编写代码的方式来解决这个问题。让我们来看看这具体是什么意思。

[1] news.stanford.edu/2017/11/15/algorithm-outperforms-radiologists-diagnosing-pneumonia。