作者｜walker

来源｜磐创AI

【导读】人工智能现在已经变得无处不在了，生活中有很多关于它的应用，可能你正在以某种方式使用它，但你却不知道它。人工智能最流行的应用之一是机器学习，它是人工智能的核心，是使计算机具有智能的根本途径。本文我们便为大家分享了一些我们每天使用的机器学习的例子，可能有的应用中你都不知道它们是由机器学习驱动的。

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。