我们生活在一个数据爆炸的时代。我们必须依靠计算机来理解和使用这些数据，赋予机器以智能。让机器学会学习是IT技术发展的必经之路，所以，从技术角度来讲，机器学习类图书日渐火爆本来是一件不足为奇的事情。但问题是，机器学习类图书今后的走势将是什么？这种火爆是否又是一种虚火呢？
机器如何学习
机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。说到这里，我们不得不说，现在的机器已经不止停留在桌面端了。在移动端，各种掌上设备越来越精巧，更有各种可穿戴设备不断涌现。
实际上，智能设备的扩展还只是处于一个初级阶段。移动设备目前在出货量方面已超越了桌面端设备，我们如果换个角度考虑，智能设备的数量扩展了一倍。而可穿戴设备落地之后，还有物联网、车联网的爆发紧随之后。而当智能设备的数量不断增长的同时，如何让智能设备具备更多的人工智能能力，就变成了一个大问题了。
目前我们接触最多的可能是苹果的Siri软件。Siri是一项苹果语音功能软件，只有在最新的苹果iPhone4S中才有，简单地说Siri就是苹果iPhone4S的一个语音控制功能，Siri可以让iPhone4S变身为一个“会说话的智能手机”，你现在可以让它帮你拨打电话、读短信、查询天气以及设置会议安排等等。有了Siri软件，苹果手机才不再只是冷冰冰的机器，而是成为主人的智能助手。有了它，相当于一个智能小机器人可以实现用户与智能手机互动交流，随着IOS6系统Siri支持中文的消息发布，今后我们可以体验与iPhone手机人机中文互动了，这将会给生活带来更多乐趣。
在Siri受到用户普遍欢迎的同时，越来越多的公司开始注重在自己的产品中引入类似Siri的功能。如微软的Cortana语音助理、黑莓语音，以及在日本市场成功击败Siri的日本本土竞争对手SyabetteConcier。此外，虽然GoogleNow号称可以和Siri合作，但它实际上还是被当做Siri的竞争对手而存在。
类Siri应用的火爆只是机器学习被普遍应用的一个写照。虽然机器学习类的应用越来越受关注，但要实现它却绝不是一件容易的事情。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。这决定了它还是一个不断进化着的技术。
机器学习的前景
机器学习在人工智能的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统，但是以往的智能系统普遍缺少学习的能力。例如，它们遇到错误时不能自我校正；不会通过经验改善自身的性能；不会自动获取和发现所需要的知识。它们的推理仅限于演绎而缺少归纳，因此至多只能够证明已存在事实、定理，而不能发现新的定理、定律和规则等。随着人工智能的深入发展，这些局限性表现得愈加突出。正是在这种情形下，机器学习逐渐成为人工智能研究的核心之一。
而从大环境分析，在现今的大数据时代背景下，捕获数据并从中萃取有价值的信息或模式，成为各行业求生存、谋发展的决定性手段，这使得这一过去为分析师和数学家所专属的研究领域越来越为人们所瞩目。
因此，从智能设备本身的发展前景和数据本身两方面的因素进行分析，机器学习的前景是非常光明的。
机器学习图书的弱点
机器学习类图书已经初具规模。但与机器学习的应用前景相比，目前的机器学习类图书还存在着许多致命的弱点。但这些弱点也可以转化成为机器学习类新书的爆发点和突破点。
目前机器学习领域的研究工作主要围绕面向任务的研究、认知模型和理论分析三个方面进行。现国内机器学习类图书以理论分析的图书为主，因此个别实战类图书一经推出，就受到读者的普遍欢迎。如市面上广受欢迎的《图灵程序设计丛书：机器学习实战》不仅讲理论，还利用Python透析主流机器学习算法，对k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。因此，在国内推出机器学习类图书，不能仅把它引向高校中的课程方向，只求经典而不重实战。
此外，策划编辑们必须注意到，机器学习类图书一定是一个迅速精进的品种，机器学习技术从发源到现在也不过20多年的时间。它还是一门年轻的学科，而且大环境的作用使它进入到一个复兴期。这样，与它相关的新技术会不断涌现。
回到我们开始的问题，也许我们可以用一段场景对话来结束——妻子扭头问丈夫：“亲爱的，什么是机器学习？”丈夫答道：“T-800型终结者。”也就是T-800型人工智能技术的反面样板工程。如果我们把T-800型终结者认为就是机器学习，这种理解肯定会有所偏差，但是，让我们想想T-800型终结者的威力吧！它就是机器学习的未来。
