[[160860]]

幾十年前，人工智能在工程師和開發者之間算是一個比較新潮的話題。但最近這些年，機器學習則以大數據的理想產物這一身份出現在人們視野中，它的出現為人工智能等領域注入了新的活力。

下面就來簡單介紹一下2015年機器學習對于我們生活的影響以及我們對于它來年的期待。

2015年的市場變化

對于不熟悉機器學習的外行人來說，機器學習是人工智能下的一個子學科。它指的是無需人類指導，計算機算法就能自行獲取新信息，不斷學習并改善自身性能。

比方說，特斯拉推出的無人駕駛汽車利用的就是機器學習，這在2015年引起了一陣轟動。但事實上，機器學習能做的遠不僅限于交通這一方面。

今年，谷歌、亞馬遜、蘋果、Facebook以及微軟都相繼開始研發機器學習。在谷歌重組成為Alphabet的時候，它就明確表示了公司會繼續進軍機器學習領域。而谷歌一貫的對手蘋果則想要雇傭機器學習領域的專家來更好地預測顧客需求。亞馬遜也推出了自己的機器學習平臺。今年夏天，微軟也揭開了Cortana分析套件的“神秘面紗”。

盡管上述一些公司并非是機器學習領域內的先驅，但大家對于機器學習的關注已經反映出未來日常生活中機器學習的重要地位。

Facebook更是重磅推出了人工智能助手“M”，并聲稱為通信應用Messenger打造的虛擬助手“M”能夠完成一些復雜任務，非常具有實用性。

然而，在虛擬助手“M”完成任務的背后，這也隱藏著機器學習最關鍵的一點：“回路中的人（human in the loop）”模式。這一設計模式指的是：對于機器不能肯定做出的過程和決定，交由人類來完成。機器學習不會自動化每件事情。它們用算法來處理意圖清晰的郵件和日程等方面的問題，把更復雜的消息和請求傳遞給人類。

展望2016，機器學習的關鍵一年

歷來，計算機一直被用來提升人類做事情的效率和能力。這一點前端用戶最有所體會，比如說計算機上自動完成輸入以及拼寫檢查的功能。不過Facebook則徹底顛覆了這一模型，它要利用人類來完善計算機的工作。

基于“回路中的人”模式這一前提，機器學習將于2016年在計算方面完成質的飛躍并在多個領域做出突出成就。機器學習質的飛躍主要體現在三個領域：自然語言處理、個性化以及安全。

說同一種語言

2016年，自然語言處理（也叫做NLP）將會隨著虛擬助手“M”的推廣變得更加普及。

我們期待Facebook繼續推廣“M”，也期待它的競爭對手在使用機器學習的技術模式中可以加入“人”的要素。

隨著開發者不斷縮小人類語言處理與電子語言處理之間的區別，個人助手可以完成更多的任務，機器學習的發展速度也會隨之加快。除了個人助手外，NLP還將在口語對話中扮演重要的角色：數字接線員將更具互動性、反應更快。

就日常生活而言，NLP還可以使計算機對純文本進行及時分析，比如郵件、Word文檔或是幻燈片中的純文本。這將帶來許多新的功能，例如自動事實檢測以及自動電子引文和腳注。即便是那些被認為是只有人類才能做的事情（設計展示以及選擇圖片），計算機也都可以自動完成。

NLP還能夠為郵件提供附件建議、在董事會報道中插入正確的圖表、將普通的重要項目列表轉化為高科技的視覺展示盛宴。此外，翻譯服務也將得到大幅完善。很快，你就可以無需譯員也能和那些說著不同語言的人進行在線交談。翻譯準確度很高，幾乎不會出現誤解。

變得個性化

在理解你說話內容的過程中，機器學習也在逐漸洞悉你是一個什么樣的人，包括對你的性格特點進行深入評估。我們使用電子設備的次數越多，機器學習掌握的信息也就越來越多。自然而然，它就能更加深入了解我們。

而在用戶端，這一點帶來的最直接的不同就是更加鮮明的個性化搜索結果。對用戶了解得越多，用戶被迫看到的一些不必要甚至無關的廣告數量也就會減少。

2016年，數字世界將會逐漸轉變為你自己的個性化世界。你的計算機將會評估出你最好的朋友、你最喜歡的食物甚至你的心情。

增強安全性

通過完善用戶身份驗證，機器學習對用戶了解越多，安全性越高。

行為特征已經證實這個方法非常有效：機器學習技術可以創造出屬于用戶獨一無二的文件信息，它可以分析用戶是如何在銀行網頁進行操作的。如果有任何異常情況，機器學習也可以及時提醒銀行，從而防止詐騙行為。

機器學習的應用不僅限于銀行業務方面。倘若有人以不符合你性格特點的方式使用你的信用卡和個人信息，信用卡公司或者其他安全服務都會收到警報提醒。

這一功能還能應用于設備安全領域。比方說，如果你的電腦和手機運行程序或連接設備的方式與你的文件信息不符合，你就會收到警報提醒。這樣的系統可以抵制惡意軟件、木馬程序的出現并能阻止黑客入侵。

2015年，我們不過是領略到了機器學習技術發展潛力的冰山一角。如今，最具科技頭腦的專家們都在致力于創造出可以自行學習并且適應外界變化的設備，從而免去“人”這一要素。

機器學習已經成為了我們日常生活中越來越重要的一部分。盡管一些大公司在機器學習領域已經領先一步，但我們更期待2016年能夠出現一些小型、靈活的初創公司來引領機器學習領域的新方向。