一、机器学习可以代替人类学习吗
机器学习是，经过大量数据训练以及算法优化以后，计算机可以得出更贴合人常识的结论。
人类学习是，通过接触环境或者知识来的（也可以说是“数据”），得出自己的结论。人类也有自己的“算法”，每个人兴许还不怎么相同，这换成另一个名词可能叫做“天赋”。
机器学习就像是特定环境下的人类学习，譬如围棋。事实证明，经过训练以后，计算机与人类差别并不大。
同样的，语音识别也是，机器通过大量数据以及优化算法，可以辨别出哪些是噪音哪些是指令，人在开始学习说话的时候想必也是类似的过程。
还有自动驾驶，通过各种传感信息来辨别路况，判断是否安全、该如何行驶。
而以上的机器学习，都只是人类生活中一个特定地方面，影响因素极其少。影响的因素越多，机器越容易出现误判。就如以上，围棋已经和人类不相上下，语音识别略逊一筹，自动驾驶目前还没有令人特别满意的结果。
我是觉得，机器学习像是简化版的人类学习，人人都有自己的“算法”，并且在成长的过程中接触海量的信息，不断地自我优化。
而机器的算法是依靠人类来优化的，而且某些特定的方面人所能赋予机器的信息远不如自己所能获取到的，所以机器总是有所欠缺，有些时候显得有些“智障”。
二、学习机器学习需要学编程吗?
学习机器学习有以下目的
(1) 研究计算学习理论(Computational Learning Theory)，这些研究大多不需要编程，会用Latex写推导和证明就行了
(2) 创造新的机器学习模型，这个情况要学会使用R和Matlab演示算法
(3) 研究如何将机器学习应用于大数据，这种情况不仅要学会Matlab, Java, Python或R，还需要学习Hadoop, Spark, CUDA等计算工具
(4) 成为企业的数据科学家，这种情况下不仅要会编程，还必须了解企业系统的架构，并写出高质量的代码
如果你是数学背景不擅长编程，依然可以搞机器学习了。但编程越少的领域，理论和数学就越多，而理论和数学往往比编程艰深上万倍，越理论搞的人就越少。
三、人工智能需要什么基础
学习人工智能需要具有一定的算法基础，算法设计是人工智能研发的核心之一，所以具有一个扎实的算法知识基础，对于后续的学习会有比较大的帮助。对于本科生来说，可以参加一些专业比赛以便于促进算法相关知识的学习。
机器学习是打开人工智能技术大门的钥匙，很多人工智能方向的研发都离不开机器学习的支撑，包括自然语言处理、图像处理等，所以一定要重视机器学习相关知识的学习，初期可以借助于编程语言来完成一些常见机器学习算法的实现，然后再逐渐深入。学习机器学习需要具有一定的程序设计基础，比如Python在机器学习领域的应用就比较多。
在具备了一定的基础之后，可以继续了解一下人工智能平台，目前很多科技公司都开放了自己的人工智能平台，可以通过这些人工智能平台来完成一些具体的应用，这个过程也会锻炼自身的动手实践能力，对于人工智能技术的理解也会更加深刻。
四、现在的基于机器学习的医学图像处理算法达到了应用级别的要求了吗
只能说现在在深度学习的帮助下，很多场景下可以做到跟手动分割十分接近的结果。当然对于某些图像目标来说，不同医生手动分割的偏差也挺大，但要获取这些组织的绝对ground truth又不大现实。总之，不同组织目标、不同的图像模态，情况都不尽相同，没法笼统分析。
五、）在机器学习中很重要吗
机器学习是一种数据分析方法，它可以自动分析模型的建立。使用迭代学习数据的算法，机器学习可以使电脑在没有被明确编程看哪里时，发现隐藏的领域。
迭代在机器学习中是非常重要的，因为有了它的存在，模型在遇到新的数据时，便能够独立地适应数据。它们可以从先前产生的可靠计算，重复的决定和结果中进行学习。机器学习并不是一个全新的学科-而是获得新动力的学科。
由于新型计算技术的产生，如今的机器学习与以往大不相同。尽管很多机器学习算法已经存在了很长时间，但自动将复杂的数学计算应用到大数据的能力（一个又一个，越来越快）是最新的进展。下面这些广泛宣传的机器学习应用程序的例子，你可能非常熟悉
