機器學習（Machine Learning，簡稱 ML）是讓電腦從大量資料裡找出規律，進而做出預測或決策的技術，和能生成全新內容的生成式 AI 不太一樣。GitHub 在這篇文章裡整理機器學習怎麼被用在軟體開發裡，目標是幫團隊把一些原本要靠人工判斷的工作自動化，像是預測專案進度或抓出容易出錯的程式碼。
文章列出四個常見應用：用歷史資料預測專案時程、找出可能延誤的瓶頸；用機器學習模型自動檢查程式碼品質與潛在錯誤，但仍需要人工再複查一次；掃描程式碼找出容易出錯的模式，提早抓出軟體缺陷；以及依照使用者過去的行為做個人化推薦，像串流平台或購物網站常見的「你可能也喜歡」功能。文章也提到導入模型要經過定義目標、選模型、測試驗證到監控更新四個階段。
文章提到的工具包括 Microsoft Azure Machine Learning 這類建立與部署模型的平台，也提到 GitHub Copilot 這種提供即時程式碼建議的 AI 工具，說明機器學習已經不只是研究課題，而是實際嵌進日常開發工具裡的一部分。文章也提醒，模型效果取決於訓練資料的品質，資料不夠好或不夠新，預測就會跟著失準，因此需要定期重新訓練。
對正在學程式的孩子來說，這篇文章比較偏產業應用面，重點是讓人知道機器學習不是遙遠的概念，而是已經用在抓程式錯誤、規劃專案這些日常工作上。如果孩子學過一點點 Python 或資料的基本概念，可以藉此了解「電腦從資料中學規律」這件事，在真實世界裡具體被用在什麼地方。
機器學習AI軟體開發