“The world runs on software” —— 我们生活中依赖的各种服务都离不开计算机系统。比如搜索、购物、聊天，视频流应用，和新闻推荐服务等，背后都是由超大规模的计算机系统来提供服务的。随着用户的需求和场景增多，这些系统的复杂度和规模也在不断增加。这复杂度和规模不仅仅体现在其巨大的代码量，更体现在背后成百上千的工程师在不断地设计，开发及维护上的工作量。
如何准确理解并设计这些计算机系统已成为现代计算机科学中的一个核心问题。然而，在系统复杂度呈几何量级上升的今天，这问题已经无法仅仅依赖人的直觉和经验。这就促使了学术界和工业界开始思考如何利用机器学习和大数据，来驱动，优化，并甚至取代计算机系统里现有的启发式算法和运维决策规则。这类系统被称为“学习增强系统”（Learning-Augmented Systems）。在这章节里，我们将介绍学习增强系统的趋势和几个代表性的工作。最后，我们也基于我们过去的科研和产品经验里，来总结学习增强系统为机器学习带来的新挑战。