机器学习（Machine Learning）是人工智能的核心分支，旨在通过算法使计算机系统从数据中自动学习规律与模式，并基于经验持续优化任务性能，而无需显式编程指令。其核心特征包括数据驱动性（依赖标注或未标注数据集训练模型）、自适应能力（通过损失函数反向传播调整参数）及泛化性（对新数据的预测能力），主要范式涵盖监督学习（如分类、回归）、无监督学习（如聚类、降维）、半监督学习与强化学习。机器学习广泛应用于图像识别（如人脸检测）、自然语言处理（如机器翻译）、推荐系统（如电商个性化推荐）、异常检测（如金融欺诈识别）及自动驾驶等领域。技术层面，其依赖统计学习理论、优化算法（如梯度下降）与计算框架（如TensorFlow、PyTorch），并与大数据技术、云计算深度融合。当前前沿方向包括联邦学习（保护数据隐私）、可解释性AI（增强模型透明度）及元学习（模型快速适应新任务），同时面临数据偏见、算力需求与伦理问题的挑战。
» 人工智能术语词典