在大数据时代,人的思维根本无法有效地重构高度复杂的自然现象。机器学习通过数据挖掘整合了还原思想,再通过归纳计算模型分析这些信息,改变了人类对世界的理解。但是在机器学习的发展中,也伴随着其哲学意义的思考。从哲学意义的角度去分析机器学习的认识论挑战能更好地指导人类对人工智能及计算机发展的思考,使得机器学习能为人类、为社会创造更大的价值,积极推动包括哲学、计算机、认知科学等领域的发展。在此基础上本文具备了对机器学习的初步理解框架,由案例分析入手,进一步阐释了机器学习带来的认知变革、研究范式的发展历程、伦理准则下的可解释性等问题,以学习认知为先导概念,以机器学习研究范式的比较发展为主干脉络,以对技术现象伦理准则问题的模式化思考为典型特征,立足于哲学视域思考技术创新带来的变革与挑战,审视机器学习的实现过程中的不同进路,探索机器学习的发展景。为此,本文对机器学习进行了较为系统的阐释与探索,绪论部分从机器学习的研究背景开始,综述了机器学习的发展应用及其分类。正文部分分为四个部分,第一章主要探讨机器学习概念的界定及发展历史,以时间轴的方法揭示了机器学习的兴起轨迹,介绍了目前机器学习领域的三种类别;第二章围绕机器学习发展进程中五种研究范式各自的哲学基础及相互之间的争论,探讨机器学习五种研究范式之间的联系及各自的发展进路,对机器学习的未来发展加以思考;第三章聚焦机器学习的可解释性问题,针对机器学习目前可解释性不足的现状,提出了提高可解释性的方法路径包括强化监管治理、建立法律归责体系、提高透明度,欧盟己经为提高可解释性率先进行了立法实践方面的探索。结语部分总结分析了机器学习的范式基础并展望了机器学习的未来发展趋势与面临的挑战。