據BBC報道，許多人可能不太確定到底什么是機器學習，而事實上它已經成為我們日常生活中不可或缺的重要組成部分。作為人工智能(AI)的一種形式，機器學習可讓電腦從示例中學習，而不必按照預先設定的指令行事。英國皇家學會認為，機器學習將對人類生活產生越來越大的影響，并呼吁對其進行更多研究，以確保人們能夠更好地利用它。機器學習正以看似平常的八種方式改變我們的生活：

1.在手機上

你可以使用口頭指令要求手機執(zhí)行搜索、通話等任務，這些功能就依賴于機器學習技術的支持。Siri、Alexa、Cortana以及GoogleAssistant等虛擬個人助理都能夠遵循口頭指令，因為它們能夠識別語音。它們可以處理人類自然語言，并以越來越自然的方式將其與期望指令和響應進行匹配。這些智能助理可以不同的方式學習大量對話。它們可被詢問具體信息，比如如何讀取你的名字，或分辨房間中聲音的主人。所用用戶的大量對話都成為它們的樣本數據，幫助智能助理識別不同發(fā)音的詞匯，或如何創(chuàng)建自然討論。

2.在購物籃里

我們許多人都已經熟悉購物推薦功能，比如超市提醒你在網上商店中添加奶酪，或亞馬遜為你推薦你可能喜歡的書籍。機器學習允許亞馬遜對個人購物者提供推薦服務，這種技術能通過所謂的推薦系統提供建議。通過分析用戶此前的購物數據，以及各種偏好表達，推薦系統可以記錄用戶采購歷史模式。它們利用這種模式預測你可能會買什么。

3.在電視上

類似的系統也被用于為你在Netflix等流媒體服務上推薦電影或電視劇。推薦系統利用機器學習分析你的觀看習慣，并從你觀看的電影或節(jié)目建立模式。通過了解哪些用戶喜歡哪類電影，比如你最常看的電影類型，推薦系統就可確定你的品位。它們還可被用于在流媒體音樂服務Spotify上為你推薦曲目，在Facebook為你推薦閱讀文章等。

4.在電子郵件中

機器學習也可被用于區(qū)分不同類別的對象或條目。在過濾垃圾電子郵件方面，人工智能正發(fā)揮著重要作用。在從那些你不想看的郵件中篩選出想看的郵件時，這種技術特別有用。垃圾郵件發(fā)現系統可利用樣本郵件篩選垃圾郵件，通過發(fā)現特定詞匯、特定發(fā)送者的名字或其他特征確認垃圾郵件。利用這種學習能力，這些系統可直接將電子郵件與正確文件夾聯系起來。它還能像用戶那樣標記電子郵件，或在不同的文件夾之間移動。

5.在社交媒體上

每個人都想知道Facebook如何知道照片中的人是誰，以及如何自動標記你的照片?Facebook和其他社交媒體使用的圖像識別系統能夠自動標記照片的能力也源自機器學習。當用戶上傳圖片，并標記家人和朋友時，這些圖像識別系統可以發(fā)現重復的圖片，并據此將它們分類。

6.在銀行中

通過分析大量數據賬號，機器學習可幫助人類分析師發(fā)現無法看到的異常模式或活動。這種能力最常見的應用就是打擊信用卡和借記卡詐騙。機器學習系統可被訓練識別特定的開支模式以及交易特點，比如位置、數量以及時間等，令欺詐變得更難。當交易看起來不正常時，系統就會發(fā)出警報，并向用戶發(fā)送信息。

7.在醫(yī)院中

醫(yī)生剛剛開始考慮利用機器學習幫助更好地做出診斷，比如診斷癌癥和眼疾。眼科醫(yī)院的患者通常需要進行視網膜拍照才能發(fā)現問題，而通過了解醫(yī)生標記的圖片，計算機可以分析病人的新視網膜圖片，包括皮膚斑點或顯微鏡下的細胞圖片。它們可以找到顯示病人眼部問題的視覺線索。這種圖像識別系統在醫(yī)療診斷中變得越來越重要。

8.在科學上

機器學習也為科學家們提供了新發(fā)現的能力。在粒子物理中，它可讓科學家們在大型強子對撞機中產生的龐大數據中找到特定模式。這種儀器曾幫助發(fā)現希格斯玻色子(HiggsBoson)，現在正被用于幫助尋找還沒人能夠想象到的“新物理”。類似的創(chuàng)意也正被用于發(fā)現新的藥物上，比如尋找新的小分子和抗體對抗疾病。

未來展望

未來的重點將是讓系統自己執(zhí)行特殊任務，因此它們可被視為最佳“助手”。在學校，它們可追蹤學生表現，并幫助制定個人學習計劃。通過更好地使用資源，它們能幫助我們減少能源消耗;通過尋找更多更有意義的人類交流時間，幫助改善老年人照護;在交通領域，機器學習也正支持無人駕駛汽車開發(fā)。

許多行業(yè)都在通過算法提高生產力。金融服務可能變得越來越自動化，律師事務所可能使用機器學習進行基本研究，日常任務將被更快地執(zhí)行。在未來10年中，機器學習技術將日益成為我們生活中不必可少的部分，并改變我們的工作和生活方式。

更多資訊請關注工業(yè)機器人頻道