10 个日常机器学习用例

机器学习 (ML)是人工智能 (AI) 的子领域，指机器通过识别模式和生成预测，从数据集和过去的经验中学习，是一个价值 210 亿美元的全球产业，预计到 2029 年，产业价值将达 2090  亿美元 。以下是机器学习的一些现实应用，它们已成为我们日常生活的一部分。

根据 Forbes 的报道，营销与销售团队比任何其他企业部门都更为重视 AI 和 ML。营销人员会使用 ML 进行潜在客户开发、数据分析、在线搜索和搜索引擎优化 (SEO)。例如，很多营销人员会使用它来联系将产品留在购物车中或退出其网站的用户。

机器学习算法和数据科学是 Amazon、Netflix 和 StitchFix 等网站的推荐引擎根据用户的品味、浏览历史记录和购物车历史记录来进行推荐的两种方式。此外，机器学习还可通过识别或许能满足特定客户的兴趣的产品来帮助推动个性化营销计划。然后，它可根据这些兴趣来定制营销材料。机器学习还可提供通过检查打开率和点击率等指标来密切监控营销活动的功能。

机器学习不仅能理解客户在说什么，还可理解他们的语气并将他们引导到适当的客户服务代理处，以便为其提供客户支持。基于语音的查询会使用自然语言处理 (NLP) 和情感分析来进行语音识别。

基于文本的查询通常由聊天机器人处理，聊天机器人是大多数企业在其电子商务网站上提供的虚拟代理。此类聊天机器人确保客户不必等待，即使同时出现大量需要接待的客户也可以确保全天候给予关注，并可能提供更积极的客户体验。

企业使用机器学习来监控社交媒体和其他活动，以获取客户回复和评论。机器学习还可以帮助企业预测和减少客户流失率（公司失去客户的速度），这是大数据的广泛用途之一。

它是为虚拟个人助理或语音助理（如亚马逊的 Alexa 和苹果的 Siri）执行任务提供动力的机器学习。这种通信可能涉及语音识别、Speech to Text 转换、NLP 或 Text to Speech。当有人向虚拟助理提问时，机器学习会搜索答案或回忆该人之前问过的类似问题。

机器学习也是机器人的支持技术，例如 Facebook Messenger 和 Slack 使用的聊天机器人。在 Facebook Messenger 上，机器学习为客户服务聊天机器人提供支持。公司设置聊天机器人以确保快速响应，提供图片轮流展示和行动号召按钮，帮助客户找到附近的选项或跟踪货物，并允许安全购买。Facebook 还使用机器学习来监控 Messenger 聊天中是否存在诈骗或不受欢迎的联系人，例如当成年人向不足 18 岁者发送大量好友请求或消息请求时。

在 Slack，机器学习为视频处理、转录和实时字幕提供支持，这些功能可以通过关键字轻松搜索，甚至有助于预测潜在的员工流动率。一些公司还在 Slack 上设置了聊天机器人，使用机器学习来回答问题和请求。

Google Gmail 中的 ML 算法可自动将客户的电子邮件过滤为“主要”、“社交”和“促销”类别，同时还可检测垃圾邮件并将其重新路由到垃圾邮件文件夹。ML 不仅超越了电子邮件应用“规则”功能，还能通过分类邮件来将其转给合适人员以加快处理、将附件移到正确位置等，从而实现电子邮件管理的自动化。例如，Levity  等电子邮件管理自动化工具会使用 ML 并通过文本分类算法对收到的电子邮件进行识别和分类。如此，您便可根据类别制作个性化回复，从而节省时间，而这种定制也有助于提高转化率。

当前，机器学习在网络安全领域共有四种应用方式：

1. 机器学习和面部识别用于身份认证方法，以保护企业的安全。
2. 反病毒程序可使用 AI 和机器学习技术来检测和阻止恶意软件。
3. 强化学习使用机器学习来训练模型，以便识别并响应网络攻击，以及检测入侵。
4. 机器学习分类算法还可用于将事件标记为欺诈、对网络钓鱼攻击进行分类等。

ML 和深度学习广泛用于银行业，例如欺诈检测。银行和其他金融机构训练 ML 模型以识别可疑的在线交易和其他需要进一步调查的非典型交易。银行和其他贷款机构使用 ML 分类算法和预测模型来确定他们将向谁提供贷款。

很多股票市场交易均会使用 ML。AI 和 ML 会使用数十年的股票市场数据来预测趋势，并建议是进行买入还是卖出。此外，ML 还可在没有人为干预的情况下进行算法交易。约有 60%-73% 的股票市场交易 是通过可实现高成交量、高速交易的算法来完成的。ML 算法可预测模式、提高准确性、降低成本并减少人为错误所引发的风险。

非营利性技术组织 Change Machine 与 IBM 合作，使用 IBM Cloud Pak for Data 构建了人工智能驱动的推荐引擎，帮助财务导师找到最适合其客户目标的金融科技产品。Change Machine 产品开发总监 David Bautista 表示：“与 IBM 的合作教会我们如何以新的方式利用我们的数据，以及如何构建用于创建和管理机器学习模型的框架。”

ML 的发展催生了机器在模式识别方面的训练，这项技术如今偶尔也用于放射学成像。支持 AI 的计算机视觉 常用于分析乳房 X 光检查和早期肺癌筛查。负责评估针对乳腺癌的乳房 X 光检查的医生会漏掉 40%  的癌症情况，而 ML 则可改善这一数字。此外，ML 还用于对肿瘤进行分类、查找人眼难以发现的骨折现象，以及检测神经系统疾病。

机器学习有时会用于检查患者的历史病历和结果，以制定新的治疗计划。在基因研究、基因修饰和基因组测序领域，机器学习可用于识别基因影响人体健康的具体方式。机器学习可识别对特定治疗或药物存在反应或无反应、且可能会对某些人群产生明显副作用的遗传标记和基因。这些高级分析手段可提供数据驱动型的个性化药物建议或治疗建议。

传统上，新药的发现和生产需要经过复杂、昂贵和耗时的测试，而使用 ML 可以加快速度。例如， Pfizer  使用 IBM Watson 的 ML 功能为其免疫肿瘤学研究的临床试验选择最佳候选者。

如今，机器学习为我们的许多交通方式提供信息。例如，Google Maps 使用机器学习算法来检查当前的交通状况、确定最快的路线、建议“探索附近”的地点并估计到达时间。

Uber 和 Lyft 等拼车应用程序使用机器学习来匹配乘客和司机、设置价格、检查路况，并且像 Google Maps 一样分析实时交通状况，以优化驾驶路线并预测预计到达时间。

计算机视觉可助力自动驾驶汽车。无监督机器学习算法可让自动驾驶汽车从摄像头和传感器收集数据，以便了解车身周围发生的情况并实现针对待采取措施的实时决策。

机器学习为我们的智能手机的许多功能提供支持。机器学习算法控制着我们打开手机所依赖的面部识别功能，也为设置闹钟和编写消息的语音助手提供支持。其中包括 Apple 的 Siri、Amazon 公司的 Alexa、Google Assistant 和 Microsoft 的 Cortana，它们使用 NLP 来识别我们所说的话并做出适当的回应。

此外，各大公司还会在智能手机摄像头中利用机器学习。机器学习可使用图像分类器来分析并改善照片、检测图像中的物体（或人脸），甚至还可使用人工神经网络并通过预测照片边界之外的内容来改善或扩展照片。

我们今天在社交媒体平台上可以看到大量应用机器学习的情形：

• Facebook 等社交媒体使用机器学习人脸检测和图像识别来识别数据库中的人脸，从而自动提供好友标记建议。然后，它建议社交媒体用户标记该个人。
• LinkedIn 使用机器学习来过滤新闻源中的项目、提出就业建议并建议某人与其他人员建立联系。
• Spotify 使用机器学习模型来生成歌曲推荐。
• Google Translate 使用 NLP 来翻译 130 多种语言的字句。在某些语言中，它可通过照片、“对话模式”的语音以及采用增强现实模式的实时视频图像来提供翻译。

AI 还可以辅助现有应用程序的战略制定、现代化改造、构建和管理，从而提高效率并创造创新机会。加利福尼亚州索诺玛县与 IBM 协商，在名为 ACCESS Sonoma 的集成系统中为无家可归的公民匹配可用资源。索诺玛县中央 IT 创新总监 Carolyn Staats 表示：“由于 IBM 设计了这种可以直接迁移的开放式架构，因此我们在四个月内加载了 91,000 个客户端并在四个关键系统中将它们连接起来。效率惊人。”他们为 35％ 的无家可归者安置了住房，比全国平均水平高出四倍，两年内，该县的无家可归者数量减少了 9％。

在 IBM，我们将机器学习和 AI 的强大功能融入了 IBM watsonx，它是我们用于基础模型、生成式 AI 和机器学习的新工作室。

Watson 是下一代数据和 AI 平台，旨在帮助组织扩展商用 AI 的功能。该平台有三个强大的组件： watsonx.ai 新基础模型、生成式 AI 和机器学习工作室；watsonx.data 量身订做的存储，用于数据湖的灵活性和数据仓库的性能；以及 watsonx.governance 工具包，以支持以责任感、透明度和可解释性构建 AI 工作流。

watsonx 的这些组件结合到一起，使组织能够：

1. 使用 watsonx.ai 在整个企业中训练、调整和部署 AI
2. 借助 watsonx.data 随时随地为您的所有数据扩展 AI 工作负载
3. 使用 watsonx.governance 实现负责任、透明且可解释的数据和 AI 工作流