1.1　构建能把数据转换为知识的智能机器

在当今的科技时代，大量结构化和非结构化数据是我们的丰富资源。机器学习在20世纪下半叶演变为人工智能（AI）的一个分支，它通过自学习算法从数据中获得知识来进行预测。机器学习并不需要事先对大量数据进行人工分析，然后提取规则并建立模型，而是提供了一种更为有效的方法来捕获数据中的知识，逐步提高预测模型的性能，以完成数据驱动的决策。

机器学习不仅在计算机科学研究中越来越重要，而且在日常生活中也发挥出越来越大的作用。归功于机器学习，我们今天才会拥有强大的垃圾邮件过滤器、方便的文本和语音识别软件、可靠的网络搜索引擎、具有挑战性的下棋程序。期待在不久的将来，我们可以享受安全且高效的自动驾驶汽车。此外，机器学习在医疗应用方面也取得了显著的进展，例如，研究人员证明，深度学习模型检测皮肤癌的准确性与人类的检测结果接近（https://www.nature.com/articles/nature21056）。最近出现的另外一个里程碑是DeepMind的研究人员实现用深度学习来预测三维蛋白质结构，这优于起初基于物理的方法（https://deepmind.com/blog/alphafold/）。