机器学习在生活中的九大有趣应用

No1：虚拟个人助理

Siri、小冰、度秘是现在虚拟个人助理的典型例子。顾名思义，当你通过语音询问时，他们便会找寻相应的信息，比如你问“我今天的日程安排是什么？”“从德国到伦敦的航班是什么？”等类似的问题。个人助理在回答问题时，会查看信息、回忆相关查询，或向其他资源（如电话应用程序）发送命令以收集信息。您甚至可以指导助理完成某些任务，如“第二天早上6点设置闹钟”、“后天提醒我访问签证办事处”等。

 

机器学习是这些私人助理的重要组成部分，首先他们在收集和完善信息上发挥了重要作用，然后将使用这组数据来呈现根据您的首选项定制的结果。怎么样，机器学习是不是很强大呢？

 

No2：交通预测

 

• 交通预测：生活中，我们经常在使用GPS导航服务，当我们在使用GPS时，我们当前的位置和速度被保存在一个中央服务器上，用于管理流量，然后使用这些数据构建当前流量的地图。这虽然有助于防止交通堵塞，并进行拥堵分析，但问题在于配备GPS的汽车数量较少。所以在这种情况下，机器学习可以有助于根据日常经验估计可能出现拥塞的区域。

 

• 在线交通网络：当预订出租车时，该应用程序会估计出该车出行的价格。那么在这些共享服务中，如何最大限度地减少绕行呢？答案是机器学习。Uber的工程主管Jeff Schneider在一次采访中透露，他们通过机器学习算法预测乘客需求来定义价格上涨时间。在整个服务周期中，机器学习扮演着十分关键的角色。

 

No3：视频监控

想象一个人监控多台摄像机！当然，这是一项很难做的工作，也很无聊。这就是为什么训练计算机来完成这项工作的意义所在。

 

现在的视频监控系统是由人工智能驱动的，它可以在犯罪事件发生之前检测出来。他们会跟踪人们的不寻常行为，比如：长时间不动地站着、绊倒或在长椅上打盹等。这样，系统就可以向警务人员发出警报，从而极大可能地避免事故的发生。此外，当这些活动被报告并统计为真实时，它们将有助于改善监测服务，这些都离不开机器学习在后端的支持。

 

No4：社交媒体服务

从个性化的新闻订阅到更好的广告定位，社交媒体平台都在利用机器学习为自己和用户带来好处。这里有几个关于社交媒体应用的例子，可能你都没有意识到这些美妙的功能都是机器学习的应用程序。

 

• 你可能认识的人：机器学习的核心概念是用经验去理解。Facebook会不断地注意到你所联系的朋友、你经常访问的个人资料、你的兴趣、工作场所或与他人分享的群等。在不断学习的基础上，建议可能成为你Facebook的朋友。

 

• 面部识别：你上传一张你和朋友的照片，Facebook会立即识别出你的朋友。Facebook会检查图片中的姿势和投影，注意这些独特的功能，然后将它们与好友列表中的人进行匹配。后端的整个机器学习过程很复杂，并且考虑到了精度等因素，但呈现到前端的只是一个简单的应用。

 

No5：垃圾邮件过滤软件

• 电子邮件客户端使用了许多垃圾邮件过滤的方法。为了确定这些垃圾邮件过滤器是不断更新的，它们使用了大量的机器学习算法，因为基于规则的垃圾邮件过滤完成后，它无法跟踪垃圾邮件发送者采用的最新技巧。多层感知器、C4.5决策树等一些垃圾邮件过滤技术，均是由机器提供的支持。

 

• 每天检测到的恶意软件超过325000个，每段代码都与以前的版本有90-98%相似度。由机器学习驱动的系统安全程序很熟悉这样的编码模式，因此他们可以很容易检测到2-10%变化的新型恶意软件，并提供对他们的保护。

   

No6：智能客服

现在，许多网站在站内导航页面都中提供了在线客服聊天的选项。然而，并不是每个网站都有一个真实的客服代表来回答你的问题。在大多数情况下，你会和聊天机器人交谈，这些机器人倾向于从网站上提取信息并将其呈现给客户。与此同时，聊天机器人也会随着聊天的深入变得更人性化，他们倾向于更好地理解用户查询，并为他们提供更好的答案，这均是由于其底层的机器学习算法驱动的。

 

No7：搜索引擎结果的优化

谷歌和其他搜索引擎使用机器学习来改善我们的搜索结果。每次执行搜索时，后端的算法都会监视我们的响应结果。如果打开顶部的结果并在网页上停留很长时间，搜索引擎会假定显示的结果与查询一致。同样，如果您到达搜索结果的第二页或第三页，但没有打开任何的网页，搜索引擎会估计所提供的结果与要求不匹配。这样，后端的算法可以改进搜索结果。

 

No8：商品推荐

购物网站推荐几天前你在网上买了一个商品，然后你不断收到关于购物建议的电子邮件；有时购物网站或应用程序会向你推荐一些符合你口味的商品。当然，这可以改善购物体验，但你知道这背后是机器学习的推荐算法吗？根据你对网站/应用程序的行为、过去购买的商品、喜欢或添加到购物车的商品、品牌偏好等，算法会针对每个消费者提出购买建议。

 

No9：在线欺诈检测

机器学习证明了它能够使网络成为一个安全地方的潜力，在线跟踪货币欺诈就是其中一个例子。例如：Paypal公司正在使用机器学习来防止洗钱。该公司正在使用一套工具，帮助他们监控发生的数百万笔交易，并区分买卖双方之间发生的合法或是非法交易。

 

【写在最后】除了上面分享的应用外，生活中还有很多例子可以证明机器学习的价值。欢迎大家在下边的留言区和我们一起讨论机器学习是如何改变你的日常生活，与我们分享你的经历。

 

欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/

欢迎关注PyTorch官方中文教程站：
http://pytorch.panchuang.net/