林轩田老师曾在线上平台开授机器学习的相关课程，修习对象主要是大学生及研究生，内容较无複杂的数学问题，使用多个平易近人的生活案例，十分适合一般大众聆听。
进入「机器学习」领域的契机
90年代是机器学习的寒冬，机器学习领域尚在发展。在老师大学时，系上除了导师林智仁老师以外，完全没有任何机器学习的课程，也没有听过「机器学习」（Machine Learning）这样的名词。2000年5月，大三的林轩田教授因专题製作的契机下，开始与林智仁导师学习支撑向量机（Support Vector Machine）的相关研究，学习如何给机器下不同的参数，了解机器如何做出不同的变化与分类等。林轩田老师认为，作为一个机器的研究者，就是以不同的步骤说明好与不好，了解用什幺样的步骤去驾驭机器。
老师对机器学习软体的第一印象是「电脑嘛会捡土豆喔？」，打开林智仁导师的实验室网页，可以发现一款「会捡土豆」的机器学习软体，大家可别因为简易的外观而小看它，看似简单的二维图，实际上是可以对颜色加以分类的，而这款机器学习软体在Google Scholar 里面的引用次数，更是多达37,370次呢！我们透过网页的实际操作，可以限定的区域内，随机点出数个不同颜色的圆点，让机器对数个色点加以分类，而分类的结果五花八门，可能是依据色点散布的位置，也可能与我们设定的参数有关。总而言之，这个二维图像软体会对色点加以分类。
有时机器也会出错，如同远古时代的人们虽然已经会使用火源，但控制不当也是会引火烧身。在人类逐渐熟练驾驭火的技能后，我们就可以把火的能量转化为不同的动能，如汽车引擎内的火、飞机引擎内的火，这当中出错的机率必定要减到最低，因此要让机器学会能够判断错误，不过份地钻牛角尖，以及放宽一定的弹性还要给予修正，就是驾驭机器学习的重要一环。
机器学习能够预测股票？
就好像开一个机器补习班一样，我们在实验室里面努力的提升机器在某一个面上的表现，让某一个面向成绩变好，让我们教导出来的机器学习软体，拿出去是可以耀武扬威说我们在哪个地方表现比较好的。而机器学习到底是什幺呢？机器学习可以透过学习后，解决某一个特定的问题。虽然成绩在教育上不是评量的唯一标準，但我们可以想像，当学生在学校上数学课或英文课时，授课老师想知道学生到底是否学会这项技能，可以用考试去测试学生是否学会，而机器也是一样的，我们会着重测试我们希望机器学习的部分，如同上述的「分类」技能，我们也许希望机器能提升它的準确度，或者在资料处理后达成特定效果。举例来说，我们给机器学习过去20年各种不同股市的资料，希望机器能够预测股票，假如机器学习后的效果惊人，那幺我们有可能得到好的投资预测；假如机器学习后的效果不佳，那幺很可能让我们的投资一败涂地。
机器学习的四种方法
一、知错能改法：机器学习并不是只能处理两个变数而已，而是可以多达一千乃至一万个。假设银行要核可一个人是否具备信用卡发卡资格，我们可能会请申请人填写一些资料，再根据银行人员判定，将资料输入机器后，各自对应着不同的座标，有些可能是圈圈，有些可能是叉叉。这时，我们已经得到一个圈叉散布图了，接着从散布图中画一条直线，看机器是否能够从中间找到了一条完美的线，把圈圈叉叉切开，如果划错了，我们会让机器学习顺时针转或逆时针转，针对一个错误去修正，直到转到正确的位置为止。
二、分而治之法：分而治之法又可以称作决策树法。假设今天有一笔混杂着旧金山地区与纽约地区的房子资料，我们可以将海拔位置与房价当作X轴、Y轴，接着再以年份画一刀、房屋总价画一刀、单位面积再画一刀，透过这些资料加以区分判别。
三、众志成城法：脸部辨识系统就是类似于这样的方式去判读辨识。假设有20张照片，10张是苹果的照片，10不是苹果的照片，我们要让机器学习找出属于苹果的图片。首先可以教导机器「苹果是圆的」，但橘子也是圆的，所以我们又可以教导机器「苹果是红的」，这时某些青苹果可能又没有被挑选到，而且红番茄看起来变得非常显眼，于是我们再教导机器「苹果是有梗的」，这时机器可能就能透过「圆的、红的、绿的、有梗的」这些资讯，将正确的10张苹果图片挑选出来。
四、层层堆叠法：有些流派模拟一个神经元，有些模仿一堆神经元，在这些分类发展过程中，棋类游戏就是很好的应用，像是熟为人知的AlphaGo。事实上，很多技术的发展，始于模仿大自然，但是最终很可能衍伸出人类在工程学上自己的想法，如同飞机模仿鸟类外型却不振翅飞行。
机器学习未来会怎幺用？
总和上述来看，机器学习难道只能用来分类吗？并不全然，机器学习还能应用于许多地方，例如从已知的评分资料里面，去反推每个人的喜好是什幺，然后把这些跟特徵组合起来去预测分析未知喜好的资料，进而推荐出用户的喜好的商品；又例如自动化手写辨识系统，也是透过机器学习，大幅降低人工判别的便捷方法。未来机器学习可能会大量应用于商业银行、电子商务系统、推荐系统等，而这也是我们所期待机器学习能够前进的方向。
(本文为教育部「人工智慧技术及应用人才培育计画」成果内容)