作者｜walker

來源｜磐創AI

【導讀】人工智能現在已經變得無處不在了，生活中有很多關于它的應用，可能你正在以某種方式使用它，但你卻不知道它。人工智能最流行的應用之一是機器學習，它是人工智能的核心，是使計算機具有智能的根本途徑。本文我們便為大家分享了一些我們每天使用的機器學習的例子，可能有的應用中你都不知道它們是由機器學習驅動的。

No1：虛擬個人助理

Siri、小冰、度秘是現在虛擬個人助理的典型例子。顧名思義，當你通過語音詢問時，他們便會找尋相應的信息，比如你問“我今天的日程安排是什么？”“從德國到倫敦的航班是什么？”等類似的問題。個人助理在回答問題時，會查看信息、回憶相關查詢，或向其他資源（如電話應用程序）發送命令以收集信息。您甚至可以指導助理完成某些任務，如“第二天早上6點設置鬧鐘”、“后天提醒我訪問簽證辦事處”等。

機器學習是這些私人助理的重要組成部分，首先他們在收集和完善信息上發揮了重要作用，然后將使用這組數據來呈現根據您的首選項定制的結果。怎么樣，機器學習是不是很強大呢？

No2：交通預測

• 交通預測：生活中，我們經常在使用GPS導航服務，當我們在使用GPS時，我們當前的位置和速度被保存在一個中央服務器上，用于管理流量，然后使用這些數據構建當前流量的地圖。這雖然有助于防止交通堵塞，并進行擁堵分析，但問題在于配備GPS的汽車數量較少。所以在這種情況下，機器學習可以有助于根據日常經驗估計可能出現擁塞的區域。

• 在線交通網絡：當預訂出租車時，該應用程序會估計出該車出行的價格。那么在這些共享服務中，如何最大限度地減少繞行呢？答案是機器學習。Uber的工程主管Jeff Schneider在一次采訪中透露，他們通過機器學習算法預測乘客需求來定義價格上漲時間。在整個服務周期中，機器學習扮演著十分關鍵的角色。

No3：視頻監控

想象一個人監控多臺攝像機！當然，這是一項很難做的工作，也很無聊。這就是為什么訓練計算機來完成這項工作的意義所在。

現在的視頻監控系統是由人工智能驅動的，它可以在犯罪事件發生之前檢測出來。他們會跟蹤人們的不尋常行為，比如：長時間不動地站著、絆倒或在長椅上打盹等。這樣，系統就可以向警務人員發出警報，從而極大可能地避免事故的發生。此外，當這些活動被報告并統計為真實時，它們將有助于改善監測服務，這些都離不開機器學習在后端的支持。

No4：社交媒體服務

從個性化的新聞訂閱到更好的廣告定位，社交媒體平臺都在利用機器學習為自己和用戶帶來好處。這里有幾個關于社交媒體應用的例子，可能你都沒有意識到這些美妙的功能都是機器學習的應用程序。

• 你可能認識的人：機器學習的核心概念是用經驗去理解。Facebook會不斷地注意到你所聯系的朋友、你經常訪問的個人資料、你的興趣、工作場所或與他人分享的群等。在不斷學習的基礎上，建議可能成為你Facebook的朋友。
• 面部識別：你上傳一張你和朋友的照片，Facebook會立即識別出你的朋友。Facebook會檢查圖片中的姿勢和投影，注意這些獨特的功能，然后將它們與好友列表中的人進行匹配。后端的整個機器學習過程很復雜，并且考慮到了精度等因素，但呈現到前端的只是一個簡單的應用。

No5：垃圾郵件過濾軟件

• 電子郵件客戶端使用了許多垃圾郵件過濾的方法。為了確定這些垃圾郵件過濾器是不斷更新的，它們使用了大量的機器學習算法，因為基于規則的垃圾郵件過濾完成后，它無法跟蹤垃圾郵件發送者采用的最新技巧。多層感知器、C4.5決策樹等一些垃圾郵件過濾技術，均是由機器提供的支持。

• 每天檢測到的惡意軟件超過325000個，每段代碼都與以前的版本有90-98%相似度。由機器學習驅動的系統安全程序很熟悉這樣的編碼模式，因此他們可以很容易檢測到2-10%變化的新型惡意軟件，并提供對他們的保護。

No6：智能客服

現在，許多網站在站內導航頁面都中提供了在線客服聊天的選項。然而，并不是每個網站都有一個真實的客服代表來回答你的問題。在大多數情況下，你會和聊天機器人交談，這些機器人傾向于從網站上提取信息并將其呈現給客戶。與此同時，聊天機器人也會隨著聊天的深入變得更人性化，他們傾向于更好地理解用戶查詢，并為他們提供更好的答案，這均是由于其底層的機器學習算法驅動的。

No7：搜索引擎結果的優化

谷歌和其他搜索引擎使用機器學習來改善我們的搜索結果。每次執行搜索時，后端的算法都會監視我們的響應結果。如果打開頂部的結果并在網頁上停留很長時間，搜索引擎會假定顯示的結果與查詢一致。同樣，如果您到達搜索結果的第二頁或第三頁，但沒有打開任何的網頁，搜索引擎會估計所提供的結果與要求不匹配。這樣，后端的算法可以改進搜索結果。

No8：商品推薦

購物網站推薦幾天前你在網上買了一個商品，然后你不斷收到關于購物建議的電子郵件；有時購物網站或應用程序會向你推薦一些符合你口味的商品。當然，這可以改善購物體驗，但你知道這背后是機器學習的推薦算法嗎？根據你對網站/應用程序的行為、過去購買的商品、喜歡或添加到購物車的商品、品牌偏好等，算法會針對每個消費者提出購買建議。

No9：在線欺詐檢測

機器學習證明了它能夠使網絡成為一個安全地方的潛力，在線跟蹤貨幣欺詐就是其中一個例子。例如：Paypal公司正在使用機器學習來防止洗錢。該公司正在使用一套工具，幫助他們監控發生的數百萬筆交易，并區分買賣雙方之間發生的合法或是非法交易。