很多人都不确定到底什么才是机器学习。但是事实上机器学习已经成了我们日常生活的一部分。
机器学习是人工智能的一种，透过机器学习，电脑可以从例子中学习而不需要一步步执行指令。
英国皇家学会（The Royal Society）认为机器学习对人们生活的影响会越来越大，并号召大家在这方面做更多研究以确保英国充分抓住并利用这个机会。
机器学习已是很多系统的“动力系统”，从平凡到可以改变生活所有。以下是一些例子：
1. 手机
运用语音指令命令手机完成搜寻和拨打电话等功能，就是依赖机器学习相关的技术。
虚拟人工助理，如 Siri、Alexa、Cortana 或 Google Assistant 能执行指令也是因为有语音辨识技术，处理人类语言，符合相关指令并以越来越自然的方式反应。
虚拟语音助理透过学习大量的对话及其他各种各样的方式学习人类语言。它们也许会问询具体资讯，如怎么称呼你，或一家人中每个人的声音分别是如何。
所有用户产生的大量对话资料也被用做学习例子进而帮助虚拟人工助理辨识多音词，以及学习如何自然讨论。
2. 购物
很多人都非常熟悉购物建议，回想一下线上超市提醒你购买东西的场域，或 Amazon 向你建议你可能喜欢的书。
机器学习就是透过所谓的建议系统来进行。透过分析消费者的购物历史资料以及消费者表现的消费喜好，建议系统可在购物历史中总结出规律，预测你可能喜欢的产品。
3. 电视
相似的建议系统同样也用于电影或电视等串流媒体，比如 Netflix 就有这样的建议系统。
建议系统利用机器学习分析观看习惯，根据每个人看过什么、喜欢看什么分析出偏好形态。了解观众喜欢的电影类别、点播历史和高分评价以后，建议系统就可分析出看电影的个人偏好。
在 Spotify 等音乐类串流媒体同样有建议系统，Facebook 也透过这样的机制为用户推送广告。
4. 电子邮件
机器学习同样可用于区分不同种类的物品或专案。这点用来从一堆电子邮件中挑出你想看的邮件。
垃圾邮件探测系统利用一组示范邮件辨识出垃圾邮件──透过侦测特定的词语、发件人以及其他特征判定是否为垃圾邮件。一旦设定好，系统就可以直接将相关邮件放进特定档案夹中。随着用户标注邮件或在档案夹间移动邮件，该系统持续学习。
5. 社群网络
你想过 Facebook 是怎么知道你的照片里有谁并自动标注的吗？
Facebook 及其他社群媒体采用的自动标注影像辨识系统也是基于机器学习。当用户上传照片并标注朋友和家人后，影像辨识系统就会辨识重复出现的元素并将其分类或指向特定人物。
6. 银行
透过大量资料分析和型态认证，人工分析员无法辨识的行为都可以解析。这种能力最常见应用就是打击金融卡和信用卡诈欺行为。
机器学习系统可训练辨识典型的消费型态及交易特征（如地点、数目或时间），或多或少降低诈欺可能性。当一单交易看起来不规则时就会触发警报，随后用户就会收到一条相关资讯。
7. 医院
医生开始考虑使用机器学习来做更好的诊断，比如发现癌症和眼疾。透过学习医生记号过的图片，电脑分析认证新的病人视网膜图、皮肤斑点或显微镜下的细胞图。
透过这种方式，机器可发现疾病存在的视觉线索。此类影像辨识系统在医疗诊断领域越来越重要。
8. 科学
机器学习同样也为科学家探索新发现提供了助力。特别是在粒子物理领域，机器学习帮助电脑从 Cern 的大型强子碰撞型加速器收集到的海量资料集中发现型态。
机器学习在希格斯玻色子（Higgs Boson）的发现中有重要作用，现在机器学习应用于任何人都没有想过的“新物理”探索。同时，还被用于发现新药，比如透过搜寻新型小分子或抗体来对抗疾病。
未来将会怎么样？
未来的发展将聚焦于制造出能够出色完成特定工作的系统，并使这些系统成为人类的助手。
在学校，机器学习可以追踪学生的表现，制定个人学习计划。可以帮助我们有效利用资源，降低能耗；透过帮助人们发现更多有意义的人际接触，加强对老人的关怀。
在交通领域，机器学习推动无人驾驶。
各行各业都可利用算法提高效率。金融服务的自动化程度更高，律师事务所利用机器学习完成基本的调查。常规工作更快完成，这将挑战依赖于按工作时间收费的商业型态。
在未来十年，机器学习科技将越来越多渗透到我们的生活中，改变我们工作和生活的方式。
- Eight ways intelligent machines are already in your life
（本文由 36Kr 授权转载；首图来源：shutterstock）
