1、知识从何而来
Pedro Domingos认为，知识来源于进化、经验、文化和计算机。对于知识和计算机的关系，他引用了Facebook人工智能实验室负责人Yann LeCun的一段话：将来，世界上的大部分知识将由机器提取出来，并且将长驻与机器中。2、计算机如何发现新知识
Pedro Domingos帮助计算机获取新知识，可以通过以下五种方法来实现- 填充现存知识的空白
- 对大脑进行仿真
- 对进化进行模拟
- 系统性的减少不确定性
- 注意新旧知识之间的相似点
3、机器学习的五大流派
符号主义代表人物
符号主义算法
联结主义代表人物
神经元和人造神经元
反向传播算法图示
谷歌自主识别出猫的神经网络
进化主义代表人物
基因算法
基因编程
进化机器人
Pedro Domingos在这里提到了基于生物进化理论的「海星机器人」，该机器人由佛蒙特大学的Josh Bongard制造，能够通过内部模拟来「感知」自己身体各部件的状况，并进行连续建模，从而在不需要外部编程的情况下自己学会走路，当机器人外部受到破坏，比如说失去了一条腿，它可以重新建模并学习到一种新的行走方式。Josh Bongard在论文《Evolved Machines Shed Light on Robustness and Resilience》（点击下载该论文）中对此进行了详细介绍。
贝叶斯派代表人物
概率推理
基于概率统计的贝叶斯算法最常见的应用就是反垃圾邮件功能，贝叶斯分类的运作是借着使用标记与垃圾邮件、非垃圾邮件的关连，然后搭配贝叶斯推断来计算一封邮件为垃圾邮件的可能性。
Analogizer代表人物
近邻算法nearest neighbor
内核机器
基于该理论的Netflix推荐系统
4、展望
Pedro Domingos总结了五大流派目前存在的问题和解决方案，但他也重点强调，我们真正需要的是可以一次性解决这些所有问题的统一算法。5、各学派的综合
表示- 概率逻辑（例如马尔可夫逻辑模型）
- 带权公式，状态分布
- 后验概率
- 用户定义的目标函数
- 公式发现：基因编程
- 权值学习：反向传播
6、通用学习者
Pedro Domingos认为，要研究一个解决所有问题的通用算法，创造一个「通用学习者」，还需要很多工作去做。而通用学习者的出现将在以下四方面发挥巨大价值：- 家用机器人
- 全球范围的智力互联网
- 癌症治疗解决方案
- 全方位的推荐系统
