人工智慧現在已經變得無處不在了，生活中有很多關於它的應用，可能你正在以某種方式使用它，但你卻不知道它。人工智慧最流行的應用之一是機器學習，它是人工智慧的核心，是使計算機具有智能的根本途徑。本文我們為大家分享了一些我們每天使用的機器學習的例子，可能有的應用中你都不知道它們是由機器學習驅動的。
No1：虛擬個人助理
Siri、小冰、度秘是現在虛擬個人助理的典型例子。顧名思義，當你通過語音詢問時，他們便會找尋相應的信息，比如你問「我今天的日程安排是什麼？」「從德國到倫敦的航班是什麼？」等類似的問題。個人助理在回答問題時，會查看信息、回憶相關查詢，或向其他資源（如電話應用程式）發送命令以收集信息。您甚至可以指導助理完成某些任務，如「第二天早上6點設置鬧鐘」、「後天提醒我訪問簽證辦事處」等。
機器學習是這些私人助理的重要組成部分，首先他們在收集和完善信息上發揮了重要作用，然後將使用這組數據來呈現根據您的首選項定製的結果。怎麼樣，機器學習是不是很強大呢？
No2：交通預測
交通預測：生活中，我們經常在使用GPS導航服務，當我們在使用GPS時，我們當前的位置和速度被保存在一個中央伺服器上，用於管理流量，然後使用這些數據構建當前流量的地圖。這雖然有助於防止交通堵塞，並進行擁堵分析，但問題在於配備GPS的汽車數量較少。所以在這種情況下，機器學習可以有助於根據日常經驗估計可能出現擁塞的區域。
在線交通網絡：當預訂計程車時，該應用程式會估計出該車出行的價格。那麼在這些共享服務中，如何最大限度地減少繞行呢？答案是機器學習。Uber的工程主管Jeff Schneider在一次採訪中透露，他們通過機器學習算法預測乘客需求來定義價格上漲時間。在整個服務周期中，機器學習扮演著十分關鍵的角色。
No3：視頻監控
想像一個人監控多台攝像機！當然，這是一項很難做的工作，也很無聊。這就是為什麼訓練計算機來完成這項工作的意義所在。
現在的視頻監控系統是由人工智慧驅動的，它可以在犯罪事件發生之前檢測出來。他們會跟蹤人們的不尋常行為，比如：長時間不動地站著、絆倒或在長椅上打盹等。這樣，系統就可以向警務人員發出警報，從而極大可能地避免事故的發生。此外，當這些活動被報告並統計為真實時，它們將有助於改善監測服務，這些都離不開機器學習在後端的支持。
No4：社交媒體服務
從個性化的新聞訂閱到更好的廣告定位，社交媒體平台都在利用機器學習為自己和用戶帶來好處。這裡有幾個關於社交媒體應用的例子，可能你都沒有意識到這些美妙的功能都是機器學習的應用程式。
你可能認識的人：機器學習的核心概念是用經驗去理解。Facebook會不斷地注意到你所聯繫的朋友、你經常訪問的個人資料、你的興趣、工作場所或與他人分享的群等。在不斷學習的基礎上，建議可能成為你Facebook的朋友。
面部識別：你上傳一張你和朋友的照片，Facebook會立即識別出你的朋友。Facebook會檢查圖片中的姿勢和投影，注意這些獨特的功能，然後將它們與好友列表中的人進行匹配。後端的整個機器學習過程很複雜，並且考慮到了精度等因素，但呈現到前端的只是一個簡單的應用。
No5：垃圾郵件過濾軟體
電子郵件客戶端使用了許多垃圾郵件過濾的方法。為了確定這些垃圾郵件過濾器是不斷更新的，它們使用了大量的機器學習算法，因為基於規則的垃圾郵件過濾完成後，它無法跟蹤垃圾郵件發送者採用的最新技巧。多層感知器、C4.5決策樹等一些垃圾郵件過濾技術，均是由機器提供的支持。
每天檢測到的惡意軟體超過325000個，每段代碼都與以前的版本有90-98%相似度。由機器學習驅動的系統安全程序很熟悉這樣的編碼模式，因此他們可以很容易檢測到2-10%變化的新型惡意軟體，並提供對他們的保護。
No6：智能客服
現在，許多網站在站內導航頁面都中提供了在線客服聊天的選項。然而，並不是每個網站都有一個真實的客服代表來回答你的問題。在大多數情況下，你會和聊天機器人交談，這些機器人傾向於從網站上提取信息並將其呈現給客戶。與此同時，聊天機器人也會隨著聊天的深入變得更人性化，他們傾向於更好地理解用戶查詢，並為他們提供更好的答案，這均是由於其底層的機器學習算法驅動的。
No7：搜尋引擎結果的優化
谷歌和其他搜尋引擎使用機器學習來改善我們的搜索結果。每次執行搜索時，後端的算法都會監視我們的響應結果。如果打開頂部的結果並在網頁上停留很長時間，搜尋引擎會假定顯示的結果與查詢一致。同樣，如果您到達搜索結果的第二頁或第三頁，但沒有打開任何的網頁，搜尋引擎會估計所提供的結果與要求不匹配。這樣，後端的算法可以改進搜索結果。
No8：商品推薦
購物網站推薦幾天前你在網上買了一個商品，然後你不斷收到關於購物建議的電子郵件；有時購物網站或應用程式會向你推薦一些符合你口味的商品。當然，這可以改善購物體驗，但你知道這背後是機器學習的推薦算法嗎？根據你對網站/應用程式的行為、過去購買的商品、喜歡或添加到購物車的商品、品牌偏好等，算法會針對每個消費者提出購買建議。
No9：在線欺詐檢測
機器學習證明了它能夠使網絡成為一個安全地方的潛力，在線跟蹤貨幣欺詐就是其中一個例子。例如：Paypal公司正在使用機器學習來防止洗錢。該公司正在使用一套工具，幫助他們監控發生的數百萬筆交易，並區分買賣雙方之間發生的合法或是非法交易。
【寫在最後】除了上面分享的應用外，生活中還有很多例子可以證明機器學習的價值。歡迎大家在下邊的留言區和我們一起討論機器學習是如何改變你的日常生活，與我們分享你的經歷。