機器(qì)學習是人(rén)工智能(néng)的一(yī)種，通過機器(qì)學習，計算(suàn)機可以從示例中學習而不再需要一(yī)步一(yī)步地執行命令。

　　英國皇家學會（TheRoyalSociety）認為(wèi)機器(qì)學習對人(rén)們生(shēng)活的影響會越來(lái)越大，并号召大家在這(zhè)方面做更多的研究以确保英國能(néng)夠充分(fēn)抓住并利用這(zhè)個(gè)機會。

　　機器(qì)學習已經是很多系統的“動力系統”，從平凡到可以改變生(shēng)活的所有。以下(xià)是一(yī)些(xiē)例子(zǐ)：

　　1.手機

　　運用語音(yīn)指令命令手機完成搜索和撥打電話(huà)等功能(néng)就(jiù)是依賴于與機器(qì)學習相關(guān)的技術。

　　虛拟人(rén)工助理(lǐ)，如(rú)Siri、Alexa、Cortana或者GoogleAssistant能(néng)夠執行命令也(yě)是因為(wèi)有了(le)語音(yīn)識别技術，能(néng)夠處理(lǐ)人(rén)類語言，匹配相關(guān)指令并以越來(lái)越自然的方式做出反應。

　　虛拟語音(yīn)助理(lǐ)通過學習大量的對話(huà)及其他各種各樣的方式學習人(rén)類語言。它們也(yě)許會問詢具體(tǐ)的信息，如(rú)怎麽稱呼你，或者一(yī)家人(rén)中每個(gè)個(gè)體(tǐ)的聲音(yīn)分(fēn)别是什(shén)麽樣的。

　　所有用戶所産生(shēng)的大量對話(huà)數據也(yě)被用作(zuò)學習例子(zǐ)從而可以幫助虛拟人(rén)工助理(lǐ)識别多音(yīn)詞以及學習如(rú)何自然地進行討(tǎo)論。

　　2.購(gòu)物車

　　很多人(rén)都非常熟悉購(gòu)物推薦，回想一(yī)下(xià)在線超市(shì)提醒你購(gòu)買東西(xī)的場(chǎng)景，或者Amazon向你推薦你可能(néng)喜歡的書的場(chǎng)景。

　　機器(qì)學習就(jiù)是通過所謂的推薦系統來(lái)進行推薦的。通過分(fēn)析消費者的購(gòu)物曆史數據以及消費者所表現(xiàn)出來(lái)的消費喜好(hǎo)(hǎo)，推薦系統可以在購(gòu)物曆史中總結出規律，從而預測出你可能(néng)喜歡的産品。

　　3.電視(shì)

　　相似的推薦系統同樣也(yě)用于電影或者電視(shì)等流媒體(tǐ)中，比如(rú)Netflix就(jiù)有這(zhè)樣的推薦系統。

　　推薦系統利用機器(qì)學習分(fēn)析觀看習慣，根據每個(gè)人(rén)看過什(shén)麽、喜歡看什(shén)麽分(fēn)析出偏好(hǎo)(hǎo)模式。了(le)解到觀衆喜歡的電影類型、點播曆史和高分(fēn)評價以後，推薦系統就(jiù)可以分(fēn)析出看電影的個(gè)人(rén)偏好(hǎo)(hǎo)。

　　在Spotify等音(yīn)樂(yuè)類流媒體(tǐ)中同樣有推薦系統的存在，Facebook也(yě)通過這(zhè)樣的機制為(wèi)用戶推送文章。

　　4.電子(zǐ)郵件

　　機器(qì)學習同樣可以被用于區分(fēn)不同種類的物品或項目。這(zhè)點可以被用來(lái)從一(yī)堆電子(zǐ)郵件中挑選出你想看的郵件。

　　垃圾郵件探測系統利用一(yī)組示例郵件來(lái)識别出垃圾郵件——通過檢測特定的詞語、發件人(rén)以及其他特征判定是否是垃圾郵件。一(yī)旦設定好(hǎo)(hǎo)，系統就(jiù)可以直接将相關(guān)郵件放(fàng)進特定的文件夾中。随着用戶标注郵件或者在文件夾間(jiān)移動郵件，該系統持續學習。

　　5.社交網絡

　　你想過Facebook是怎麽知道你的照片裏有誰并自動打上(shàng)标簽的嗎(ma)？

　　Facebook及其他社交媒體(tǐ)所采用的可以自動加注标簽的圖像識别系統也(yě)是基于機器(qì)學習的。當用戶上(shàng)傳照片并标注出自己的朋(péng)友和家人(rén)後，圖像識别系統就(jiù)會識别出重複出現(xiàn)的元素并将其分(fēn)類或指向特定的人(rén)物。

　　6.銀行

　　通過大量數據分(fēn)析和模式鑒别，人(rén)工分(fēn)析員(yuán)無法識别出的行為(wèi)都可以被分(fēn)析出來(lái)。這(zhè)種分(fēn)析能(néng)力的最常見應用就(jiù)是打擊儲蓄卡和信用卡欺詐行為(wèi)。

　　機器(qì)學習系統可以被訓練來(lái)識别典型的消費模式及交易特征（如(rú)地點、數目或者時(shí)間(jiān)），從而或多或少的降低(dī)欺詐的可能(néng)性。當一(yī)單交易看起來(lái)有異常時(shí)就(jiù)會觸發警報(bào)，随後用戶就(jiù)會收到一(yī)條相關(guān)信息。

　　7.醫(yī)院

　　醫(yī)生(shēng)開始考慮使用機器(qì)學習來(lái)做出更好(hǎo)(hǎo)的診斷，比如(rú)發現(xiàn)癌症和眼疾。通過學習醫(yī)生(shēng)标記過的圖片，計算(suàn)機可以分(fēn)析鑒别新(xīn)的病人(rén)視(shì)網膜圖、皮膚斑點或者顯微鏡下(xià)的細胞圖。

　　通過這(zhè)種方式，機器(qì)可以發現(xiàn)提示疾病存在的視(shì)覺線索。此類圖像識别系統在醫(yī)療診斷領域裏變得越來(lái)越重要。

　　8.科學

　　機器(qì)學習同樣也(yě)為(wèi)科學家探索新(xīn)發現(xiàn)提供了(le)助力。特别是在粒子(zǐ)物理(lǐ)領域，機器(qì)學習可以幫助計算(suàn)機從Cern的大型強子(zǐ)碰撞型加速器(qì)收集到的海量數據集中發現(xiàn)模式。

　　機器(qì)學習在希格斯玻色子(zǐ)（HiggsBoson）的發現(xiàn)中起到了(le)重要作(zuò)用，現(xiàn)在機器(qì)學習被應用于任何人(rén)都沒有想象過的“新(xīn)物理(lǐ)”探索中。同時(shí)，還被用于發現(xiàn)新(xīn)藥，比如(rú)通過尋找新(xīn)型小分(fēn)子(zǐ)或抗體(tǐ)來(lái)對抗疾病。

　　未來(lái)将會怎樣？

　　未來(lái)的發展将聚焦于制造出能(néng)夠出色地完成特定任務(wù)的系統，并使這(zhè)些(xiē)系統成為(wèi)人(rén)類的助手。

　　在學校(xiào)，機器(qì)學習可以跟蹤學生(shēng)的表現(xiàn)，制定個(gè)人(rén)學習計劃。可以幫助我們高效地利用資源，從而降低(dī)能(néng)耗；可以通過幫助人(rén)們發現(xiàn)更多的有意義的人(rén)際接觸來(lái)加強對老人(rén)的關(guān)懷。

　　在交通領域，機器(qì)學習可以推動無人(rén)駕駛。

　　各行各業都可以利用算(suàn)法來(lái)提高效率。金(jīn)融服務(wù)的自動化(huà)程度可以更高，律師事(shì)務(wù)所利用機器(qì)學習完成基本的調查。常規任務(wù)可以更快(kuài)地完成，這(zhè)将挑戰依賴于按工作(zuò)時(shí)間(jiān)收費的商(shāng)業模式。

　　在未來(lái)十年，機器(qì)學習科技将越來(lái)越多地滲透到我們的生(shēng)活中，改變我們工作(zuò)和生(shēng)活的方式。