保罗唐尼| Flickr
机器学习是一个越来越普遍的短语，但是许多人仍然不知道它到底是什么。 当然，这是有原因的。 它仍处于早期阶段，许多人认为这还没有影响到普通人群。 实际上，这可能不像某些人想象的那样正确。
那么什么是机器学习？ 如今它正在使用什么？ 这是我们关于机器学习所需了解的一切的指南。
什么是机器学习？
简而言之，机器学习是人工智能的一种形式，它使计算机无需进行任何额外编程即可学习。 换句话说，该软件能够自己学习新事物，而程序员或工程师无需“教”任何东西。 机器学习能够获取数据并检测模式并找到解决方案，然后将这些解决方案应用于其他问题。
图片：K？rlis Dambr？ns | Flickr
重要的是要注意，机器学习作为一个概念根本不是什么新鲜事物-考虑到该概念已与其他形式的技术融合在一起，因此很难追溯该概念的确切来源。 您可能会争辩说，机器学习可以追溯到Turing测试的创建，该测试用于确定计算机是否具有智能。 然而，第一个学习的计算机程序是一种跳棋游戏，由亚瑟·塞缪尔（Arthur Samuel）在1952年开发。 游戏越玩越好。
但是，最新技术极大地改善了机器学习。 例如，机器学习需要巨大的处理能力，以至于我们刚刚才能够开始发展近代历史中的基础机器学习。
程序员实现机器学习的主要方式有几种。 第一种叫做“监督学习”。 基本上，这意味着在已知问题的解决方案的情况下，机器会遇到问题。 学习算法能够接收那些问题以及所需的结果，识别问题中的模式并采取相应的行动。 监督学习通常用于预测未来事件，例如信用卡交易可能是欺诈性的。
机器学习的第二种实现方式称为“无监督学习”。 在这种情况下，问题的结果不会提供给软件-相反，问题的根源在于问题，必须检测数据中的模式。 这里的目标是在给定的数据中找到一个结构。
第三是“半监督学习”。 这种机器学习方法通常用于与监督学习相同的事物，但是它需要有解决方案的数据，而没有解决方案的数据。 当资金有限且公司无法为学习过程提供完整的数据集时，通常会实施半监督学习。
最后但并非最不重要的是“强化学习”，专门用于游戏和机器人之类的东西。 强化学习基本上是通过反复试验来进行的-机器尝试尝试并根据其成功或失败进行学习。 此处的目标是使机器找出可能的最佳结果。
当然，所有这些机器学习方法都涉及为机器提供数十万个问题和大量数据。 确实，数据越多越好。
今天在哪里使用机器学习？
钱的图片 Flickr
实际上，当今有很多地方使用机器学习。 其中许多都是在幕后，但是您可能会惊讶地发现，每天也有很多东西在使用。
也许您使用最多的人是在您的个人助理中-是的，Siri和Google Now之类的人使用机器学习，主要是为了更好地理解语音模式。 由于有数百万人使用Siri，因此该系统能够在处理语言，重音等方面取得重大进展。
当然，Siri不是机器学习的唯一消费类应用程序。 另一个用途是在银行中，例如欺诈检测。 例如，机器学习算法可以跟踪支出模式，根据过去的欺诈活动确定哪些模式更有可能是欺诈性的。
实际上，即使您的电子邮件也可能使用机器学习。 例如，垃圾邮件是一个问题，并且随着时间的推移不断发展。 电子邮件系统使用机器学习来跟踪垃圾邮件模式以及垃圾邮件的变化方式，然后根据这些更改将它们放入垃圾邮件文件夹中。
结论
机器学习将成为我们未来如何使用技术以及技术如何为我们提供帮助的重要组成部分。 从Siri到美国银行，机器学习正变得越来越普遍，而且这种趋势只会持续下去。
