课堂笔记：吴恩达的AI课（AI FOR EVERYONE）-W1 机器学习什么能做，什么不能做

主要可以根据两个条件判断：

（1）这个事情是一个简单的概念，即基本上你在1秒钟可以给出答案，那么机器学习大概率可以做。
（2）要有大量的数据；

更多机器学习什么可以做？

示例1：以智能驾驶为例
（1）机器学习可以做：可以做自动驾驶，因为机器学习可以通过软件控制获取大量的数据，用于训练模型，并且来说模型相对简单；
（2）机器学习不可以做：机器学习不能够识别路上人的行为含义，例如，图片1一个建筑工人举起手，可能是停或通行，或其他含义，这个人也不一定能够给出很高准确率的答案；另外，机器学习能够使用主要有两个很大的关键点：数据和反馈的准确性；

示例2：X光诊断
（1）机器学习可以做：可以通过数以万计的数据集训练模型后，判断诊断结果；
（2）机器学习不可以做：不可以通过几十张图片的数据集训练后，判断诊断结果，会由于训练的不够充分，准确率很低；

机器学习的的倾向性：

（1）倾向于：
①可以学习相对“简单”的模型；
②有大量的可用数据；
（2）不倾向于：
①从少量的数据学习复杂的模型；
②它不会学习除了数据之外的场景；