三、机器学习与控制科学（笔者尚未理清楚，请路过大佬留言指点）
从实现科学体系来看，机器学习涉及概率学（统计推断），运筹学（优化问题）等。是解决人工智能问题的重要方法。
提出问题：机器学习可以比传统控制理论更好的解决控制问题吗？
思考：PID控制在理想控制问题中是完美的解决方案，在工业控制中具有地位。
机器学习在机器人控制领域颇有建树，如四足机器人，波士顿动力机器人。在复杂建模问题中，由于传统控制建模的复杂性提高，使其效果弱于机器学习？
另外，学者们对神经网络在工程控制应用中的稳定性和鲁棒性表示怀疑。
*在非控制方面，可以发现机器学习擅长判别和准确定义，例如训练一个模型（一个黑箱子、一个映射函数f（））
猫 = f （猫），狗 = f（狗）
如果模型不准确，猫 = f（狗），这时需要参数优化和算法优化，于是机器学习可以理解优化问题。因为很多优化问题没有最优解，所以也很少得到完美的机器学习模型。另外还有模型偏差和过拟合，过拟合是指没有理解数据的和核心只记住了表现。机器学习处理的问题很多没有解析解，需要大量的数据计算数据解。