他們基于機器學習模型的分析結果提示奧巴馬應去何處開展拉票活動，有些建議甚至讓專業(yè)競選顧問大吃一驚，而結果表明去這些地方大有收獲．總統(tǒng)選舉需要大量金錢，機器學習技術在這方面發(fā)揮了奇效，例如，機器學習模型分析出，某電影明星對某地區(qū)某年齡段的特定人群很有吸引力，而這個群體很愿意出高價與該明星及奧巴馬共進晚餐……果然，這樣一次籌資晚宴成功募集到1500萬美元；最終，借助機器學習模型，奧巴馬籌到了創(chuàng)紀錄的10億美元競選經費．機器學習技術不僅有助于競選經費“開源”，還可幫助“節(jié)流”，例如機器學習模型通過對不同群體選民進行分析，建議購買了一些冷門節(jié)目的廣告時段，而沒有采用在昂貴的黃金時段購買廣告的傳統(tǒng)做法，使得廣告資金效率相比2008年競選提高了14%；……勝選后，<時代》周刊專門報道了這個被奧巴馬稱為“競選核武器”、由半監(jiān)督學習研究專家R．Ghani領導的團隊，值得一提的是，機器學習備受矚目當然是由于它已成為智能數據分析技術的創(chuàng)新源泉，但機器學習研究還有另一個不可忽視的意義，即通過建立一些關于學習的計算模型來促進我們理解“人類如何學習”，例如，P．Kanerva在二十世紀八十年代中期提出SDM (Sparse Distributed Memory)模型[Kanerva，1988]時并沒有刻意模仿腦生理結構，但后來神經科學的研究發(fā)現，SDM的稀疏編碼機制在視覺、聽覺、嗅覺功能的腦皮層中廣泛存在，從而為理解腦的某些功能提供了一定的啟發(fā)．自然科學研究的驅動力歸結起來無外是人類對宇宙本源、萬物本質、生命本性、自我本識的好奇，而“人類如何學習”無疑是一個有關自我本識的重大問題．從這個意義上說，機器學習不僅在信息科學中占有重要地位，還具有一定的自然科學探索色彩．?