机器学习在日常生活中的 9 个应用

人工智能 (AI) 无处不在。可能是您正在以一种或另一种方式使用它，而您甚至不知道它。AI 的一种流行应用是机器学习 (ML)，其中计算机、软件和设备通过认知（与人脑非常相似）来执行。在此，我们分享几个我们日常使用的机器学习示例，也许不知道它们是由 ML 驱动的。

1. 虚拟个人助理

Siri、Alexa、Google Now 是虚拟个人助理的一些流行示例。顾名思义，当通过语音询问时，它们会协助查找信息。您需要做的就是激活它们并询问“我今天的日程安排是什么？”、“从德国到伦敦的航班是多少”或类似的问题。为了回答问题，您的私人助理会查找信息、回忆您的相关查询，或向其他资源（如电话应用程序）发送命令以收集信息。你甚至可以指示助手完成某些任务，比如“设置第二天早上 6 点的闹钟”、“提醒我后天去签证处”。

机器学习是这些个人助理的重要组成部分，因为他们会根据您之前与他们的合作来收集和提炼信息。稍后，这组数据用于呈现根据您的喜好量身定制的结果。

2. 通勤时的预测

交通预测：我们都一直在使用GPS导航服务。在我们这样做的同时，我们当前的位置和速度被保存在中央服务器上以管理交通。然后使用此数据构建当前流量图。虽然这有助于阻止交通并进行拥堵分析，但潜在的问题是配备 GPS 的汽车数量较少。这种场景下的机器学习有助于根据日常经验估计可以发现拥堵的区域。

在线交通 络：预订出租车时，该应用程序会估算乘车价格。在分享这些服务的时候，他们又是如何减少走弯路的呢？答案是机器学习。Uber ATC 的工程主管 Jeff Schneider 在接受采访时透露，他们使用 ML 通过预测乘客需求来定义价格高峰时段。在服务的整个周期中，机器学习扮演着主要角色。

3. 视频监控

想象一个人监控多个摄像机！当然，这是一项艰巨且乏味的工作。这就是为什么训练计算机来完成这项工作的想法是有意义的。

如今的视频监控系统由人工智能提供支持，可以在犯罪发生之前发现它们。他们跟踪人们的异常行为，例如长时间静止不动、跌跌撞撞或在长椅上打瞌睡等。因此，该系统可以向服务员发出警 ，最终有助于避免事故发生。当此类活动被 告并被认为是真实的时，它们有助于改善监视服务。这发生在机器学习在后端完成它的工作时。

4. 交媒体服务

从个性化您的新闻提要到更好的广告定位， 交媒体平台正在利用机器学习来为自己和用户带来好处。以下是您在 交媒体帐户中必须注意、使用和喜爱的一些示例，却没有意识到这些美妙的功能只不过是 ML 的应用程序。

您可能认识的人：机器学习基于一个简单的概念：根据经验进行理解。Facebook 会持续关注您联系的朋友、您经常访问的个人资料、您的兴趣、工作场所或您与某人分享的群组等。在不断学习的基础上，建议您可以使用 Facebook 用户列表成为朋友。

人脸识别：你上传一张你和朋友的照片，Facebook 会立即认出那个朋友。Facebook 检查图片中的姿势和投影，注意独特的特征，然后将它们与您朋友列表中的人进行匹配。后端的整个过程很复杂，需要处理精度因素，但似乎是前端 ML 的简单应用。

类似 Pins：机器学习是计算机视觉的核心元素，它是一种从图像和视频中提取有用信息的技术。Pinterest 使用计算机视觉来识别图像中的对象（或图钉）并相应地推荐相似的图钉。

5. 垃圾邮件和恶意软件过滤

电子邮件客户端使用多种垃圾邮件过滤方法。为了确保这些垃圾邮件过滤器不断更新，它们由机器学习提供支持。当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、C 4.5 决策树归纳是一些由 ML 提供支持的垃圾邮件过滤技术。

每天检测到超过 325,000 种恶意软件，每段代码与之前的版本有 90-98% 的相似度。由机器学习支持的系统安全程序理解编码模式。因此，它们可以轻松检测出变异为 2–10% 的新恶意软件，并针对它们提供保护。

6.在线客户支持

如今，许多 站都提供了在 站内导航时与客户支持代表聊天的选项。但是，并非每个 站都有现场主管来回答您的问题。在大多数情况下，您与聊天机器人交谈。这些机器人倾向于从 站中提取信息并将其呈现给客户。与此同时，聊天机器人与时俱进。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，这得益于其机器学习算法。

7.搜索引擎结果精炼

Google 和其他搜索引擎使用机器学习来为您改进搜索结果。每次执行搜索时，后端的算法都会监视您对结果的反应。如果您打开顶部结果并长时间停留在 页上，搜索引擎会假定它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，但没有打开任何结果，则搜索引擎估计提供的结果不符合要求。这样，在后端工作的算法可以改善搜索结果。

您几天前在 上购买了产品，然后您不断收到有关购物建议的电子邮件。如果不是这样，那么您可能已经注意到购物 站或应用程序向您推荐了一些符合您口味的商品。当然，这会改善购物体验，但您知道这是机器学习为您施展的魔法吗？根据您在 站/应用程序上的行为、过去的购买、喜欢或添加到购物车的商品、品牌偏好等，做出产品推荐。

9.在线欺诈检测

机器学习正在证明它有潜力使 络空间成为一个安全的地方，在线跟踪货币欺诈就是它的例子之一。例如：Paypal 正在使用 ML 来防止洗钱。该公司使用一套工具帮助他们比较发生的数百万笔交易，并区分买卖双方之间发生的合法或非法交易。