在本文開始之前，筆者要和大家分享兩個在網絡上流行的公式：
傳統編程的公式：規則+數據=答案
機器學習的公式：答案+數據=規則
這兩個公式中的三個關鍵詞是一模一樣的，分別是數據、規則和答案，但是這三個關鍵詞在等號左右的排列位置卻不同。從中我們不難看出，機器學習正在改變着整個編程行業。
而這一觀點也得到了一些專家的佐證，以網絡安全爲例，Institute for Critical Infrastructure Technology高級研究員James Scott 曾表示，基於簽名的惡意軟件檢測已死，取而代之的是基於機器學習的人工智能，它將成爲防禦變異哈希最好的方式。
那麼，基於機器學習的編程到底與傳統編程有哪些不同呢？顧名思義，機器學習大部分工作是由機器來完成的，而傳統編程需要程序員自己根據具體的問題建模解決。除此之外，基於機器學習的編程比傳統編程還強在哪裏呢？
輸入
首先，兩者輸入的都是數據，但是能夠接受的數據類型不同。基於機器學習的編程基本可以接受所有的數據類型，例如聲音、圖片、視頻、文本等等，而傳統編程接受的數據類型要看程序員的設置，一般來說只可以接受程序員定義好的數據類型。
基於機器學習的數據選擇還可以分爲三部分，訓練用數據、驗證用數據和測試用數據。隨着數據的不斷累積，反覆讓之前的簡單邏輯與數據結果進行比對，不斷修正驗證，最終結果會愈趨向正確。而傳統編程是基於規則的算法，如果發生錯誤，那麼在被發現之前，該錯誤會一直重複發生。
處理
基於機器學習的編程中，處理包括知識表示和模式匹配、搜索、邏輯、問題解決和學習。而在傳統編程中，需要根據待解決的問題設計程序，並完成字符輸入。
機器學習比較常見的3個應用場景分別是：一次性模型，要解決的問題是由上級嚴格定義的，並且提供了一些小型數據；嵌入模型，裏面有許多變量，比如，模型是靜態的還是迭代的，是局部的還是通過API遠程調用的等等；深度模型，建立用於特定某個領域預測的模型，並通過經驗和技巧來提升和證明其準確性。
預測
基於機器學習的編程是基於預測的，而傳統編程是基於解釋的。基於概率、基於反饋、基於總結，這是機器學習這種經驗主義最大的特點，也是與傳統程序設計這種基於因果關係的最大不同點。
結論
通過上文對比，基於機器學習的編程在很多方面都勝過傳統編程，傳統編程更適合於簡單的任務，而基於機器學習的編程更適合解決複雜的問題。針對基於機器學習的編程步驟，普華永道也給出了描述，筆者在此貼出來，希望能對大家有用。
普華永道信息圖總結的機器學習的主要流程/步驟：
- 選擇數據：這一過程又分爲三部分，分別是訓練用數據、驗證用數據、測試用數據
- 數據建模：使用訓練數據構建涉及相關特徵的模型
- 驗證模型：用驗證數據驗證建立的模型
- 調試模型：爲了提升模型的性能，使用更多的數據、不同的特徵，調整參數，這也是最耗時耗力的一步
- 使用模型：部署模型訓練好的模型，對新的數據進行預測
- 測試模型：使用測試用數據驗證模型，並評估模型的性能