挖坑占位。。
60年代，你哩儿子（Nilsson）的《机器学习》是那个年代机器学习研究的代表作。
1973年，肚大（Duda)和哈特（Hart）定义了模式识别。
1981年，有关使用教学策略的报告得以发表，因此神经网络学会了识别40个字符（26个字母，10位数字和4个特殊符号）。（重大进步，鼓掌，撒花花！)
所以，看到这里大家其实心里也有谱了，机器学习绝不是什么新鲜玩意儿，而是实打实的老东西！
迈入上个世界就是年代后，机器学习更是遍地开花，墙内开花墙外香，亲妈不疼后妈疼。
而后，机器学习更是以如虹之气、一日千里地发展着：汤姆（不是杰瑞鼠的伙伴）·米切尔（Tom M. Mitchell）为在机器学习领域研究的算法提供了被广泛引用的更正式的定义：
“据说，计算机程序可以从经验E中学习某些类别的任务T和性能度量P（如果其在任务中的性能）通过P测得的T中的T，随着经验E的提高而提高。]涉及机器学习的任务的这种定义从根本上提供了操作性的定义，而不是用认知术语来定义领域。这是根据艾伦·图灵（Alan Turing）在其论文《计算机械与智能》中的建议提出的，其中的问题是“机器可以思考吗？”替换为“机器可以做我们（作为思考实体）可以做的事情吗？”的问题。
这一问题直接打通了机器学习的任督二脉，迈入了人工智能的新领域。
源于对人工智能的追求，在AI作为一门学术学科的早期，一些研究人员对让机器从数据学习中感兴趣。
他们尝试使用各种符号方法以及后来称为“神经网络”的方法来解决该问题。这些主要是感知器和其他模型，后来发现它们是广义统计线性模型的重新发明。
概率推理也被采用，特别是在自动医疗诊断中。
