機器(qì)學(xué)習是人工智能的(de)一種，通過機器(qì)學(xué)習，計(jì)算機可以從示例中學(xué)習而不(bù)再需要一步一步地(dì)執行(xíng)命令。

　　英國皇家學(xué)會(huì)（TheRoyalSociety）認為(wèi)機器(qì)學(xué)習對人們生活的(de)影響會(huì)越來越大，并号召大家在(zài)這(zhè)方面做(zuò)更多的(de)研究以确保英國能夠充分抓住并利用(yòng)這(zhè)個(gè)機會(huì)。

　　機器(qì)學(xué)習已經是很多系統的(de)“動力系統”，從平凡到可以改變生活的(de)所有。以下是一些例子(zi)：

　　1.手機

　　運用(yòng)語音指令命令手機完成搜索和撥打電話等功能就是依賴于與機器(qì)學(xué)習相關的(de)技術。

　　虛拟人工助理(lǐ)，如Siri、Alexa、Cortana或者GoogleAssistant能夠執行(xíng)命令也是因為(wèi)有了語音識别技術，能夠處理(lǐ)人類語言，匹配相關指令并以越來越自然的(de)方式做(zuò)出反應。

　　虛拟語音助理(lǐ)通過學(xué)習大量的(de)對話及其他(tā)各種各樣的(de)方式學(xué)習人類語言。它們也許會(huì)問詢具體的(de)信息，如怎麼稱呼你，或者一家人中每個(gè)個(gè)體的(de)聲音分别是什麼樣的(de)。

　　所有用(yòng)戶所産生的(de)大量對話數(shù)據也被用(yòng)作學(xué)習例子(zi)從而可以幫助虛拟人工助理(lǐ)識别多音詞以及學(xué)習如何自然地(dì)進行(xíng)讨論。

　　2.購物(wù)車

　　很多人都非常熟悉購物(wù)推薦，回想一下在(zài)線超市(shì)提醒你購買東西的(de)場景，或者Amazon向你推薦你可能喜歡的(de)書(shū)的(de)場景。

　　機器(qì)學(xué)習就是通過所謂的(de)推薦系統來進行(xíng)推薦的(de)。通過分析消費者的(de)購物(wù)曆史數(shù)據以及消費者所表現出來的(de)消費喜好(hǎo)(hǎo)，推薦系統可以在(zài)購物(wù)曆史中總結出規律，從而預測出你可能喜歡的(de)産品。

　　3.電視(shì)

　　相似的(de)推薦系統同樣也用(yòng)于電影或者電視(shì)等流媒體中，比如Netflix就有這(zhè)樣的(de)推薦系統。

　　推薦系統利用(yòng)機器(qì)學(xué)習分析觀看習慣，根據每個(gè)人看過什麼、喜歡看什麼分析出偏好(hǎo)(hǎo)模式。了解到觀衆喜歡的(de)電影類型、點播曆史和高(gāo)分評價以後，推薦系統就可以分析出看電影的(de)個(gè)人偏好(hǎo)(hǎo)。

　　在(zài)Spotify等音樂類流媒體中同樣有推薦系統的(de)存在(zài)，Facebook也通過這(zhè)樣的(de)機制為(wèi)用(yòng)戶推送文章。

　　4.電子(zi)郵件(jiàn)

　　機器(qì)學(xué)習同樣可以被用(yòng)于區(qū)分不(bù)同種類的(de)物(wù)品或項目。這(zhè)點可以被用(yòng)來從一堆電子(zi)郵件(jiàn)中挑選出你想看的(de)郵件(jiàn)。

　　垃圾郵件(jiàn)探測系統利用(yòng)一組示例郵件(jiàn)來識别出垃圾郵件(jiàn)——通過檢測特定的(de)詞語、發件(jiàn)人以及其他(tā)特征判定是否是垃圾郵件(jiàn)。一旦設定好(hǎo)(hǎo)，系統就可以直接将相關郵件(jiàn)放進特定的(de)文件(jiàn)夾中。随著(zhe)用(yòng)戶标注郵件(jiàn)或者在(zài)文件(jiàn)夾間移動郵件(jiàn)，該系統持續學(xué)習。

　　5.社交網絡

　　你想過Facebook是怎麼知道(dào)你的(de)照(zhào)片裡(lǐ)有誰并自動打上标簽的(de)嗎？

　　Facebook及其他(tā)社交媒體所采用(yòng)的(de)可以自動加注标簽的(de)圖像識别系統也是基于機器(qì)學(xué)習的(de)。當用(yòng)戶上傳照(zhào)片并标注出自己的(de)朋(péng)友和家人後，圖像識别系統就會(huì)識别出重複出現的(de)元素并将其分類或指向特定的(de)人物(wù)。

　　6.銀(yín)行(xíng)

　　通過大量數(shù)據分析和模式鑒别，人工分析員無法識别出的(de)行(xíng)為(wèi)都可以被分析出來。這(zhè)種分析能力的(de)最常見應用(yòng)就是打擊儲蓄卡和信用(yòng)卡欺詐行(xíng)為(wèi)。

　　機器(qì)學(xué)習系統可以被訓練來識别典型的(de)消費模式及交易特征（如地(dì)點、數(shù)目或者時間），從而或多或少的(de)降低欺詐的(de)可能性。當一單交易看起來有異常時就會(huì)觸發警報(bào)，随後用(yòng)戶就會(huì)收到一條相關信息。

　　7.醫(yī)院

　　醫(yī)生開始考慮使用(yòng)機器(qì)學(xué)習來做(zuò)出更好(hǎo)(hǎo)的(de)診斷，比如發現癌症和眼疾。通過學(xué)習醫(yī)生标記過的(de)圖片，計(jì)算機可以分析鑒别新(xīn)的(de)病人視(shì)網膜圖、皮膚斑點或者顯微鏡下的(de)細胞圖。

　　通過這(zhè)種方式，機器(qì)可以發現提示疾病存在(zài)的(de)視(shì)覺線索。此類圖像識别系統在(zài)醫(yī)療診斷領域裡(lǐ)變得越來越重要。

　　8.科(kē)學(xué)

　　機器(qì)學(xué)習同樣也為(wèi)科(kē)學(xué)家探索新(xīn)發現提供了助力。特别是在(zài)粒子(zi)物(wù)理(lǐ)領域，機器(qì)學(xué)習可以幫助計(jì)算機從Cern的(de)大型強子(zi)碰撞型加速器(qì)收集到的(de)海量數(shù)據集中發現模式。

　　機器(qì)學(xué)習在(zài)希格斯玻色子(zi)（HiggsBoson）的(de)發現中起到了重要作用(yòng)，現在(zài)機器(qì)學(xué)習被應用(yòng)于任何人都沒有想象過的(de)“新(xīn)物(wù)理(lǐ)”探索中。同時，還被用(yòng)于發現新(xīn)藥，比如通過尋找新(xīn)型小分子(zi)或抗體來對抗疾病。

　　未來将會(huì)怎樣？

　　未來的(de)發展将聚焦于制造出能夠出色地(dì)完成特定任務(wù)的(de)系統，并使這(zhè)些系統成為(wèi)人類的(de)助手。

　　在(zài)學(xué)校，機器(qì)學(xué)習可以跟蹤學(xué)生的(de)表現，制定個(gè)人學(xué)習計(jì)劃。可以幫助我(wǒ)們高(gāo)效地(dì)利用(yòng)資(zī)源，從而降低能耗；可以通過幫助人們發現更多的(de)有意義的(de)人際接觸來加強對老人的(de)關懷。

　　在(zài)交通領域，機器(qì)學(xué)習可以推動無人駕駛。

　　各行(xíng)各業都可以利用(yòng)算法來提高(gāo)效率。金融服(fú)務(wù)的(de)自動化(huà)(huà)程度可以更高(gāo)，律師(shī)事務(wù)所利用(yòng)機器(qì)學(xué)習完成基本的(de)調查。常規任務(wù)可以更快地(dì)完成，這(zhè)将挑戰依賴于按工作時間收費的(de)商業模式。

　　在(zài)未來十年，機器(qì)學(xué)習科(kē)技将越來越多地(dì)滲透到我(wǒ)們的(de)生活中，改變我(wǒ)們工作和生活的(de)方式。