像魚(yú)兒離不開(kāi)水，未來(lái)我們將高度依賴(lài)機器學(xué)習

　　據BBC報道，許多人可能不太確定到底什么是機器學(xué)習，而事實(shí)上它已經(jīng)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(xué)習可讓電腦從示例中學(xué)習，而不必按照預先設定的指令行事。英國皇家學(xué)會(huì )認為，機器學(xué)習將對人類(lèi)生活產(chǎn)生越來(lái)越大的影響，并呼吁對其進(jìn)行更多研究，以確保人們能夠更好地利用它。機器學(xué)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行搜索、通話(huà)等任務(wù)，這些功能就依賴(lài)于機器學(xué)習技術(shù)的支持。Siri、Alexa、Cortana以及Google Assistant等虛擬個(gè)人助理都能夠遵循口頭指令，因為它們能夠識別語(yǔ)音。它們可以處理人類(lèi)自然語(yǔ)言，并以越來(lái)越自然的方式將其與期望指令和響應進(jìn)行匹配。這些智能助理可以不同的方式學(xué)習大量對話(huà)。它們可被詢(xún)問(wèn)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(hù)的大量對話(huà)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(jīng)熟悉購物推薦功能，比如超市提醒你在網(wǎng)上商店中添加奶酪，或亞馬遜為你推薦你可能喜歡的書(shū)籍。機器學(xué)習允許亞馬遜對個(gè)人購物者提供推薦服務(wù)，這種技術(shù)能通過(guò)所謂的推薦系統提供建議。通過(guò)分析用戶(hù)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(hù)采購歷史模式。它們利用這種模式預測你可能會(huì )買(mǎi)什么。

　　3.在電視上

　　類(lèi)似的系統也被用于為你在Netflix等流媒體服務(wù)上推薦電影或電視劇。推薦系統利用機器學(xué)習分析你的觀(guān)看習慣，并從你觀(guān)看的電影或節目建立模式。通過(guò)了解哪些用戶(hù)喜歡哪類(lèi)電影，比如你最?？吹碾娪邦?lèi)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(lè )服務(wù)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(xué)習也可被用于區分不同類(lèi)別的對象或條目。在過(guò)濾垃圾電子郵件方面，人工智能正發(fā)揮著(zhù)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(shí)，這種技術(shù)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(guò)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(xué)習能力，這些系統可直接將電子郵件與正確文件夾聯(lián)系起來(lái)。它還能像用戶(hù)那樣標記電子郵件，或在不同的文件夾之間移動(dòng)。

　　5.在社交媒體上

　　每個(gè)人都想知道Facebook如何知道照片中的人是誰(shuí)，以及如何自動(dòng)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(dòng)標記照片的能力也源自機器學(xué)習。當用戶(hù)上傳圖片，并標記家人和朋友時(shí)，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(lèi)。

　　6.在銀行中

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

　　7.在醫院中

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

　　8.在科學(xué)上

　　機器學(xué)習也為科學(xué)家們提供了新發(fā)現的能力。在粒子物理中，它可讓科學(xué)家們在大型強子對撞機中產(chǎn)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(Higgs Boson)，現在正被用于幫助尋找還沒(méi)人能夠想象到的“新物理”。類(lèi)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(lái)展望

　　未來(lái)的重點(diǎn)將是讓系統自己執行特殊任務(wù)，因此它們可被視為最佳“助手”。在學(xué)校，它們可追蹤學(xué)生表現，并幫助制定個(gè)人學(xué)習計劃。通過(guò)更好地使用資源，它們能幫助我們減少能源消耗;通過(guò)尋找更多更有意義的人類(lèi)交流時(shí)間，幫助改善老年人照護;在交通領(lǐng)域，機器學(xué)習也正支持無(wú)人駕駛汽車(chē)開(kāi)發(fā)。

　　許多行業(yè)都在通過(guò)算法提高生產(chǎn)力。金融服務(wù)可能變得越來(lái)越自動(dòng)化，律師事務(wù)所可能使用機器學(xué)習進(jìn)行基本研究，日常任務(wù)將被更快地執行。在未來(lái)10年中，機器學(xué)習技術(shù)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。