Χρησιμοποιώντας τα λόγια του Άρθουρ Σάμιουελ το 1959: η μηχανική μάθηση είναι το “πεδίο μελέτης που δίνει στους υπολογιστές την ικανότητα να μαθαίνουν χωρίς να προγραμματίζονται ρητά”.
Επίσης, δημιούργησε με επιτυχία το πρώτο πρόγραμμα ντάμας βασισμένο στη μηχανική μάθηση, κάνοντας μια πρώιμη επίδειξη των θεμελιωδών εννοιών της τεχνητής νοημοσύνης.
Το 1997, ο Tom Mitchell, καθηγητής στο Πανεπιστήμιο Carnegie Mellon, έδωσε τον εξής ορισμό: “Ένα πρόγραμμα υπολογιστή λέγεται ότι μαθαίνει από την εμπειρία Ε σε σχέση με κάποια κατηγορία εργασιών Τ και το μέτρο απόδοσης Ρ, εάν η απόδοσή του στις εργασίες Τ, όπως μετράται από το Ρ, βελτιώνεται με την εμπειρία Ε”.
Ένα από τα βασικά στοιχεία αυτού του ορισμού είναι η εμπειρία. Σε αντίθεση με τις κλασικές προσεγγίσεις τεχνητής νοημοσύνης, οι οποίες χρησιμοποιούν μια αφαιρετική προσέγγιση από πάνω προς τα κάτω που βασίζεται σε μοντέλα, οι αλγόριθμοι μηχανικής μάθησης αξιοποιούν μια επαγωγική προσέγγιση από κάτω προς τα πάνω που, ξεκινώντας από την εμπειρία, τα δεδομένα, εντοπίζει πρότυπα που χρησιμοποιούνται για την ανάπτυξη γενικών συμπερασμάτων.
Η μηχανική μάθηση κυκλοφορεί σε διάφορες παραλλαγές. Οι πιο δημοφιλείς προσεγγίσεις είναι η μάθηση με επίβλεψη, η μάθηση χωρίς επίβλεψη, η μάθηση με ημιεπίβλεψη και η ενισχυτική μάθηση.
Ορισμένες προσεγγίσεις στη μηχανική μάθηση υιοθετούν αλγορίθμους που βασίζονται στην έννοια των νευρωνικών δικτύων, η οποία είναι χαλαρά εμπνευσμένη από τον ανθρώπινο εγκέφαλο, δεδομένου ότι διαθέτει ένα δίκτυο μικρών μονάδων επεξεργασίας (παρόμοιων με τους νευρώνες μας) με πολλές σταθμισμένες συνδέσεις μεταξύ τους.
Ένα νευρωνικό δίκτυο έχει ως δεδομένα εισόδου δεδομένα από αισθητήρες. Είναι σημαντικό να σημειωθεί ότι αυτή η προσέγγιση (όπως όλες οι τεχνικές μηχανικής μάθησης) έχει πάντα ένα ορισμένο ποσοστό σφάλματος, αν και συνήθως μικρό. Μια βασική έννοια είναι επομένως η ακρίβεια, ένα μέτρο του πόσο μεγάλο είναι το ποσοστό των σωστών απαντήσεων.
Ο Batta Mahesh στην εργασία του “Machine Learning Algorithms – A Review” κάνει μια εισαγωγή στους περισσότερους από τους δημοφιλείς αλγορίθμους μηχανικής μάθησης.
