很多人都不确定到底什么才是机器学习。但是事实上机器学习已经成为了我们日常生活的一部分了。
机器学习是人工智能的一种，通过机器学习，计算机可以从示例中学习而不再需要一步一步地执行命令。
英国皇家学会（The Royal Society）认为机器学习对人们生活的影响会越来越大，并号召大家在这方面做更多的研究以确保英国能够充分抓住并利用这个机会。
机器学习已经是很多系统的“动力系统”，从平凡到可以改变生活的所有。以下是一些例子：
1. 手机
运用语音指令命令手机完成搜索和拨打电话等功能就是依赖于与机器学习相关的技术。
虚拟人工助理，如Siri、Alexa、Cortana 或者 Google Assistant 能够执行命令也是因为有了语音识别技术，能够处理人类语言，匹配相关指令并以越来越自然的方式做出反应。
虚拟语音助理通过学习大量的对话及其他各种各样的方式学习人类语言。它们也许会问询具体的信息，如怎么称呼你，或者一家人中每个个体的声音分别是什么样的。
所有用户所产生的大量对话数据也被用作学习例子从而可以帮助虚拟人工助理识别多音词以及学习如何自然地进行讨论。
2. 购物车
很多人都非常熟悉购物推荐，回想一下在线超市提醒你购买东西的场景，或者Amazon向你推荐你可能喜欢的书的场景。
机器学习就是通过所谓的推荐系统来进行推荐的。通过分析消费者的购物历史数据以及消费者所表现出来的消费喜好，推荐系统可以在购物历史中总结出规律，从而预测出你可能喜欢的产品。
3. 电视
相似的推荐系统同样也用于电影或者电视等流媒体中，比如Netflix就有这样的推荐系统。
推荐系统利用机器学习分析观看习惯，根据每个人看过什么、喜欢看什么分析出偏好模式。了解到观众喜欢的电影类型、点播历史和高分评价以后，推荐系统就可以分析出看电影的个人偏好。
在 Spotify 等音乐类流媒体中同样有推荐系统的存在，Facebook也通过这样的机制为用户推送文章。
4. 电子邮件
机器学习同样可以被用于区分不同种类的物品或项目。这点可以被用来从一堆电子邮件中挑选出你想看的邮件。
垃圾邮件探测系统利用一组示例邮件来识别出垃圾邮件——通过检测特定的词语、发件人以及其他特征判定是否是垃圾邮件。一旦设定好，系统就可以直接将相关邮件放进特定的文件夹中。随着用户标注邮件或者在文件夹间移动邮件，该系统持续学习。
5. 社交网络
你想过Facebook是怎么知道你的照片里有谁并自动打上标签的吗？
Facebook及其他社交媒体所采用的可以自动加注标签的图像识别系统也是基于机器学习的。当用户上传照片并标注出自己的朋友和家人后，图像识别系统就会识别出重复出现的元素并将其分类或指向特定的人物。
6. 银行
通过大量数据分析和模式鉴别，人工分析员无法识别出的行为都可以被分析出来。这种分析能力的最常见应用就是打击储蓄卡和信用卡欺诈行为。
机器学习系统可以被训练来识别典型的消费模式及交易特征（如地点、数目或者时间），从而或多或少的降低欺诈的可能性。当一单交易看起来有异常时就会触发警报，随后用户就会收到一条相关信息。
7. 医院
医生开始考虑使用机器学习来做出更好的诊断，比如发现癌症和眼疾。通过学习医生标记过的图片，计算机可以分析鉴别新的病人视网膜图、皮肤斑点或者显微镜下的细胞图。
通过这种方式，机器可以发现提示疾病存在的视觉线索。此类图像识别系统在医疗诊断领域里变得越来越重要。
8. 科学
机器学习同样也为科学家探索新发现提供了助力。特别是在粒子物理领域，机器学习可以帮助计算机从Cern的大型强子碰撞型加速器收集到的海量数据集中发现模式。
机器学习在希格斯玻色子（Higgs Boson）的发现中起到了重要作用，现在机器学习被应用于任何人都没有想象过的“新物理”探索中。同时，还被用于发现新药，比如通过寻找新型小分子或抗体来对抗疾病。
未来将会怎样？
未来的发展将聚焦于制造出能够出色地完成特定任务的系统，并使这些系统成为人类的助手。
在学校，机器学习可以跟踪学生的表现，制定个人学习计划。可以帮助我们高效地利用资源，从而降低能耗；可以通过帮助人们发现更多的有意义的人际接触来加强对老人的关怀。
在交通领域，机器学习可以推动无人驾驶。
各行各业都可以利用算法来提高效率。金融服务的自动化程度可以更高，律师事务所利用机器学习完成基本的调查。常规任务可以更快地完成，这将挑战依赖于按工作时间收费的商业模式。
在未来十年，机器学习科技将越来越多地渗透到我们的生活中，改变我们工作和生活的方式。
翻译来自：虫洞翻翻 译者ID：Louize 编辑：杨志芳
本文来自翻译：www.bbc.com，如若转载，请注明出处：http://36kr.com/p/5073280.html
皖公网安备 34010202600669
